PERBANDINGAN KINERJA MODEL BILSTM DAN INDOBERT DALAM MENDETEKSI BERITA HOAKS PADA MEDIA ONLINE DI INDONESIA

Penelitian ini bertujuan untuk membandingkan kinerja model BiLSTM dan IndoBERT dalam mendeteksi berita hoaks pada media online di Indonesia menggunakan kerangka kerja SEMMA (Sample, Explore, Modify, Model, Assess). Dataset yang digunakan berjumlah 25.322 berita yang terdiri dari 12.644 berita hoaks dan 12.678 berita non-hoaks yang diperoleh melalui proses web scraping dari beberapa sumber media online. Setelah melalui proses persiapan dan pembersihan data, kedua model dilatih dan dievaluasi menggunakan metrik accuracy, precision, recall, F1-score, dan ROC-AUC. Hasil pengujian pada data uji internal menunjukkan bahwa kedua model memperoleh skor 100% untuk accuracy, precision, recall, dan F1-score, dengan nilai ROC-AUC sebesar 99% pada BiLSTM dan 100% pada IndoBERT. Hasil yang tinggi mengindikasikan kemungkinan adanya data leakage atau pola tertentu dalam data yang terlalu mudah dikenali oleh model. Oleh karena itu, dilakukan analisis error, uji ablation, dan evaluasi confidence calibration untuk memastikan validitas model. Pengujian lanjutan menggunakan 100 data berita baru menunjukkan bahwa BiLSTM memperoleh akurasi sebesar 92%, sedangkan IndoBERT memperoleh akurasi sebesar 91%. Secara keseluruhan, kedua model menunjukkan performa yang baik dalam mendeteksi berita hoaks berbahasa Indonesia.