PERBANDINGAN KINERJA MODEL BILSTM DAN INDOBERT DALAM MENDETEKSI BERITA HOAKS PADA MEDIA ONLINE DI INDONESIA
Abstract
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.
Downloads
References
A. R. T. Mas, “Pengaruh Media Sosial Terhadap Penyebaran Informasi Palsu dan Kejahatan Siber,” Innov. J. Soc. Sci. Res., vol. 3, no. 6, pp. 9133–9147, 2023.
A. Damayanti, I. D. Delima, and A. Suseno, “Pemanfaatan Media Sosial Sebagai Media Informasi dan Publikasi (Studi Deskriptif Kualitatif pada Akun Instagram @rumahkimkotatangerang),” J. PIKMA Publ. Ilmu Komun. Media Dan Cine., vol. 6, no. 1, pp. 173–190, 2023, doi: 10.24076/pikma.v6i1.1308.
S. M. Prasetiyo, R. Gustiawan, Faarhat, and F. R. Albani, “Analisis Pertumbuhan Pengguna Internet DI Indonesia,” BIIKMA Bul. Ilm. Ilmu Komput. dan Multimed., vol. 2, no. 1, pp. 65–71, 2024, [Online]. Available: https://jurnalmahasiswa.com/index.php/biikma
M. Chamaria et al., “Sosialisasi Penggunaan Teknologi dan Pencegahan Berita Hoax di Dusun Cagunan Desa Trimurti, Kabupaten Bantul,” BERNAS J. Pengabdi. Kpd. Masy., vol. 6, no. 3, pp. 2231–2241, 2025, [Online]. Available: https://doi.org/10.31949/jb.v6i3.13355
A. T. Haryanto, “Makin Menjamur, Kominfo Identifikasi 11.642 Hoax Sampai Mei 2023,” detikinet. [Online]. Available: https://inet.detik.com/law-and-policy/d-6803958/makin-menjamur-kominfo-identifikasi-11-642-hoax-sampai-mei-2023
F. Koto, A. Rahimi, J. H. Lau, and T. Baldwin, “IndoLEM and IndoBERT: A Benchmark Dataset and Pre-trained Language Model for Indonesian NLP,” COLING 2020 - 28th Int. Conf. Comput. Linguist. Proc. Conf., pp. 757–770, 2020, doi: 10.18653/v1/2020.coling-main.66.
L. Bodhi Wijaya, Y. N. Wicaksana, S. S. Widhiasari, and A. Saptawijaya, “Pengembangan Model Deteksi Hoaks Berbahasa Indonesia Menggunakan Kombinasi IndoBERT dan BiLSTM,” Bul. Pagelaran Mhs. Nas. Bid. Teknol. Inf. dan Komun., vol. 2, no. 1, pp. 12–16, 2024.
K. Kwanda, D. E. Herwindiati, and M. D. Lauro, “Perbandingan LSTM dan Bidirectional LSTM pada Sistem Prediksi Harga Saham Berbasis Website,” Ranah Res. J. Multidiscip. Res. Dev., vol. 7, no. 1, pp. 26–35, 2024, doi: 10.38035/rrj.v7i1.1255.
W. Kustiawan, J. Ja’far, A. A. Siregar, A. M. Purba, and M. Muhammad, “Manajemen Media Online,” J. Ilm. Tek. Inform. dan Komun., vol. 2, no. 2, pp. 13–17, 2022, doi: 10.55606/juitik.v2i2.169.
E. N. Pratiwi, M. C. Utama, S. S. Pratama, M. A. syair A. A, and D. Widhiandono, “Analisis Framing Berita Pertemuan Donald Trump dan Volodymyr Zelenskyy Di Gedung Putih Dalam Pemberitaan Detik.com Dan CNN Indonesia,” RELASI J. Penelit. Komun., vol. 5, no. 2, pp. 38–57, 2025.
A. Syukur, A. Fadilla, H. Kifli, I. Selti, M. Mubaraq, and N. Hidayati, “Peran Literasi Media Dalam Memerangi berita hoax pada Media Sosial,” Pediaqu J. Pendidik. Sos. dan Hum., vol. 4, no. 1, pp. 823–836, 2025, [Online]. Available: http://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005%0Ahttps://www.researchgate.net/publication/305320484_SISTEM_PEMBETUNGAN_TERPUSAT_STRATEGI_MELESTARI
M. U. Batoebara and B. S. Hasugian, “Isu Hoaks Meningkat Menjadi Potensi Kekacauan Informasi,” Device J. Inf. Syst. Comput. Sci. Inf. Technol., vol. 4, no. 2, pp. 64–79, 2023, doi: 10.46576/device.v4i2.4044.
A. Firizkiansah, A. Muhammad, and I. R. Maulana, “Optimasi Klasifikasi Data Teks Menggunakan Algoritma Logistic Regression dengan TF-IDF dan SMOTE,” JIKOMTI J. Ilm. Ilmu Komput. dan Teknol. Inf., vol. 2, no. 1, pp. 3089–2996, 2025, [Online]. Available: https://ojs.sains.ac.id/index.php/Jikomti/article/download/97/119/355
A. Oad, M. H. Farooq, A. Zafar, A. B. Akram, R. Zhou, and F. Dong, “Fake News Classification Methodology With Enhanced BERT,” IEEE Access, vol. 12, pp. 164491–164502, 2024, doi: 10.1109/ACCESS.2024.3491376.
M. R. Zulman, R. Mahmudah, M. Arhami, and M. Davi, “Temporal Pattern Recognition : A BiLSTM-based Framework for Churn Prediction,” J. Artif. Intell. Softw. Eng., vol. 5, no. 2, pp. 651–659, 2025, doi: 10.30811/jaise.v5i2.6952.
S. H. Permatasari, I. M. Nur, and F. Fauzi, “Metode Bidirectional Long Short-Term Memory (BiLSTM) Untuk Memprediksi Harga Saham BBRI Dengan Optimasi Nesterov Adaptive Moment (Nadam),” Pros. Semin. Nas. Unimus, vol. 7, pp. 1151–1159, 2024.
J. Babcock and R. Bali, Generative AI with Python and PyTorch : navigating the AI frontier with LLMs, stable diffusion, and next-gen AI applications. Packt Publishing Ltd., 2025.
A. Malik and B. Irawan, “Penerapan Algoritma BiLSTM Dengan Optimasi Threshold Adjustment Untuk Analisis Sentimen Ulasan Aplikasi Mobile JKN,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 14, no. 1, pp. 945–953, 2026.
H. Jayadianti, W. Kaswidjanti, A. T. Utomo, S. Saifullah, F. A. Dwiyanto, and R. Drezewski, “Sentiment analysis of Indonesian reviews using fine-tuning IndoBERT and R-CNN,” Ilk. J. Ilm., vol. 14, no. 3, pp. 348–354, 2022, doi: 10.33096/ilkom.v14i3.1505.348-354.
D. K. Sumartha, “IMPLEMENTASI INDOBERT UNTUK ANALISIS SENTIMEN OPINI PUBLIK TERHADAP KEBIJAKAN KENAIKAN UKT DI ERA PEMERINTAHAN,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 3, pp. 867–875, 2024.
H. K. Putra, M. Arif Bijaksana, and A. Romadhony, “Deteksi Penggunaan Kalimat Abusive Pada Teks Bahasa Indonesia Menggunakan Metode IndoBERT,” J. Tugas Akhir Fak. Inform., vol. 8, no. 2, pp. 3028–3038, 2021.
M. D. Maulana and C. S. K. Aditya, “Perbandingan IndoBERT dan Bi-LSTM Dalam Mendeteksi Pelanggaran Undang-Undang ITE,” Sintech J., vol. 8, no. 1, pp. 52–59, 2025, [Online]. Available: https://ejournal.instiki.ac.id/index.php/sintechjournal/article/view/1846
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
