PENGEMBANGAN SISTEM DETEKSI INFORMASI PALSU PADA MEDIA ONLINE MENGGUNAKAN ALGORITMA BERT

Penyebaran informasi palsu melalui platform digital telah menjadi persoalan serius yang berdampak luas terhadap kehidupan sosial, politik, dan kesehatan masyarakat di Indonesia. Kecepatan penyebaran informasi saat ini jauh melampaui kapasitas mekanisme verifikasi manual yang tersedia. Penelitian ini bertujuan mengembangkan sistem deteksi berita hoaks berbahasa Indonesia secara otomatis menggunakan pendekatan fine-tuning pada dua varian BERT, yaitu IndoBERT dan multilingual BERT (mBERT), dengan strategi input multi-field yang menggabungkan judul dan narasi berita ke dalam satu sekuens menggunakan token separator [SEP]. Dataset yang digunakan terdiri dari 22.400 sampel seimbang yang bersumber dari TurnBackHoax.id, Antaranews, Kompas, dan Detik. Dataset dibagi dengan rasio 70:15:15 untuk data pelatihan, validasi, dan pengujian. Kedua model dilatih menggunakan konfigurasi hyperparameter yang identik pada platform Kaggle dengan akselerasi GPU T4 ganda. Hasil evaluasi pada data uji menunjukkan bahwa mBERT memperoleh akurasi sebesar 99,79% dan F1-score sebesar 0,9979, sedikit lebih unggul dibandingkan IndoBERT yang memperoleh akurasi sebesar 99,67% dan F1-score sebesar 0,9967. Sistem kemudian diimplementasikan dalam bentuk aplikasi web berbasis FastAPI dan HTML/JavaScript yang dilengkapi fitur prediksi real-time, scraping artikel otomatis dari tujuh situs berita, serta visualisasi explainability berbasis LIME yang terintegrasi langsung pada antarmuka pengguna. Pengujian black-box testing menghasilkan pass rate sebesar 95,5%, sedangkan pengujian white-box mencapai 100%, sehingga menunjukkan bahwa sistem telah berfungsi sesuai spesifikasi yang dirancang.