Sistem Deteksi Berita Hoaks Menggunakan Support Vector Machine dan Rest API Berita Real-Time

Abstract

Perkembangan teknologi internet di Indonesia telah meningkatkan penyebaran informasi, termasuk hoaks yang meresahkan masyarakat, terutama dalam isu kesehatan dan politik. Dengan tingginya penetrasi internet, informasi palsu dapat dengan cepat tersebar dan dipercaya. Penelitian ini bertujuan membangun sistem deteksi hoaks berbasis machine learning untuk validasi berita, menggunakan algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Natural Language Processing (NLP). Sistem ini dilatih dengan dataset berjumlah 2995 berita, terdiri dari 1526 berita hoaks dan 1469 non-hoaks. Hasil pelatihan menunjukkan akurasi sebesar 94,82%, precision 95,07%, dan F1-Score 94,91%. Pengujian lebih lanjut dengan dataset dan berita online menunjukkan sistem mampu mengklasifikasikan berita secara akurat. Sistem ini dikembangkan menggunakan framework Flask pada Python dan diintegrasikan dengan frontend berbasis HTML, CSS, dan JavaScript, serta layanan NewsAPI. Dengan demikian, sistem ini diharapkan dapat membantu masyarakat dalam mengidentifikasi berita hoaks dengan cepat dan akurat.