PENERAPAN SUPPORT VECTOR MACHINE (SVM) UNTUK DETEKSI HOAKS PADA BERITA ONLINE

Abstract

Maraknya penyebaran berita hoaks di media digital telah memicu disinformasi yang berdampak negatif pada stabilitas sosial. Namun, proses verifikasi manual memiliki keterbatasan dalam hal kecepatan dan skalabilitas. Penelitian ini bertujuan untuk menerapkan algoritma Support Vector Machine (SVM) dalam membangun model klasifikasi berita online berbahasa Indonesia secara otomatis. Data yang digunakan berjumlah 3.000 berita yang bersumber dari situs pemeriksa fakta dan media terpercaya. Metodologi penelitian meliputi preprocessing teks dengan NLP, ekstraksi fitur menggunakan TF-IDF, serta pemodelan SVM dengan kernel Linear dan RBF. Hasil penelitian menunjukkan bahwa SVM kernel Linear mencapai performa terbaik dengan akurasi 99,8%, presisi 99,6%, dan recall 100%. Hal ini membuktikan bahwa metode SVM sangat efektif untuk deteksi hoaks otomatis dan dapat dikembangkan lebih lanjut menjadi sistem aplikasi