View/Open

Author

Date Published
20 Jan 2026

Advisor
Ahmad Luky Ramdani, S.Komp., M.Kom,
Mika Alvionita S, S.Si., M.Si.,

Subject
Sains Data

Publisher

Penyebaran berita palsu di Indonesia meningkat signifikan dengan lebih dari 800.000 situs web terindikasi sebagai penyebar disinformasi. Penelitian ini membandingkan kinerja model Convolutional Neural Network (CNN) dan Long Short-Term Memory (LSTM) dalam mengidentifikasi berita palsu, serta menganalisis pengaruh metode word embedding Word2Vec dan FastText terhadap performa klasifikasi. Dataset terdiri dari 31.327 judul berita berbahasa Indonesia dari empat sumber periode 2015–2023. Delapan kombinasi konfigurasi diuji dengan variasi arsitektur, word embedding (Word2Vec dimensi 100, FastText dimensi 300), dan batch size (32, 64). Hasil penelitian menunjukkan bahwa LSTM dengan Word2Vec batch size 64 mencapai performa optimal dengan akurasi validasi sebesar 94,51

URI
https://repo.itera.ac.id/depan/submission/SB2601200008

Keyword