Klasifikasi Berita Palsu Menggunakan Algoritma Long-Short Term Memory

Berita palsu atau hoaks telah menjadi isu yang semakin memprihatinkan pada era digital ini. Karena mudahnya penyebaran informasi melalui media sosial dan internet, banyak orang dengan mudah menyebarluaskan berita palsu yang dapat menimbulkan kekacauan dan kerugian.

Dalam karya ilmiah ini, kami mengusulkan sebuah sistem klasifikasi berita palsu menggunakan algoritma Long-Short Term Memory (LSTM) pada data berita yang telah diproses dengan teknik Natural Language Processing (NLP). LSTM adalah salah satu jenis algoritma dalam bidang deep learning yang efektif dalam memproses data berurutan seperti teks.

Kami melakukan eksperimen menggunakan dataset berita palsu dan berita asli, dan hasilnya menunjukkan bahwa model klasifikasi yang diusulkan dapat membedakan berita palsu dan berita asli dengan tingkat akurasi yang baik. Hasil ini menunjukkan bahwa algoritma LSTM dapat menjadi alternatif yang efektif untuk mengidentifikasi dan mencegah penyebaran berita palsu di media sosial dan internet.