Pengembangan Aplikasi Web Klasifikasi Berita Hoaks Menggunakan Model Long Term-Short Memory (LTSM)

Abstract

Fake news has increasingly spread across digital platforms along with the rapid advancement of information and communication technologies. Fake news has a significant impact on public opinion, social stability, and decision-making processes. In this study, a deep learning approach using the Long Short-Term Memory (LSTM) model is employed to develop a web-based fake news classification system. The dataset consists of thousands of news articles collected from various sources, including TurnBackHoax, Kompas, Detik, and Antaranews. The research process involves data collection, text preprocessing, tokenization, LSTM model construction, training, and performance evaluation using accuracy, precision, recall, and F1-score metrics. The proposed model achieves an accuracy of 94.2% on the test dataset, and the classification report and confusion matrix indicate a balanced performance between the fake and legitimate news classes. The developed system is implemented as a web-based application using PHP version 8.2.12, Laravel 9, and PostgreSQL version 10.23, enabling users to perform real-time news classification. The results demonstrate that the LSTM model is effective for analyzing news text and can be utilized to reduce the dissemination of misinformation. This research is expected to provide both academic and practical contributions to the development of technologies for fake news detection.
Abstrak
Berita hoaks semakin menyebar di platform digital seiring dengan kemajuan teknologi informasi dan komunikasi. Berita hoaks memiliki dampak yang signifikan terhadap opini publik, stabilitas sosial, dan pengambilan keputusan. Metode pembelajaran mendalam (deep learning) model Long Short-Term Memory (LSTM) digunakan dalam penelitian ini untuk membangun sistem klasifikasi berita hoaks berbasis web. Data yang digunakan terdiri dari ribuan artikel berita dari berbagai sumber, seperti TurnBackHoax, Kompas, Detik, dan Antaranews. Pengumpulan data, preprocessing teks, tokenisasi, pembentukan model LSTM, pelatihan, dan evaluasi performa menggunakan metrik akurasi, presisi, recall, dan skor F1 adalah semua bagian dari proses penelitian. Model yang dibuat berhasil mencapai akurasi 94,2% pada data uji, dan laporan klasifikasi dan confusion matrix menunjukkan bahwa kelas berita valid dan hoaks seimbang. Sistem ini berfungsi sebagai aplikasi berbasis web dengan PHP 8.2.12, Laravel 9 dan PostgreSQL 10.23. Ini memungkinkan pengguna melakukan klasifikasi berita secara real-time. Penelitian ini menunjukkan bahwa LSTM adalah alat yang baik untuk menganalisis teks berita dan dapat digunakan untuk mengurangi penyebaran informasi yang tidak benar. Penelitian ini diharapkan dapat memberikan kontribusi akademik dan praktis dalam proses pengembangan teknologi yang mendeteksi hoaks.