PERBANDINGAN KINERJA ALGORITMA NAIVE BAYES, LOGISTIC REGRESSION, DAN SUPPORT VECTOR MACHINE DALAM MENDETEKSI BERITA HOAKS MENGGUNAKAN REPRESENTASI FITUR TF-IDF DAN BERT

Perkembangan teknologi informasi dan media digital telah mempercepat penyebaran berita hoaks di berbagai platform digital di Indonesia, dengan jumlah konten hoaks yang terus meningkat setiap tahunnya. Kondisi ini menuntut adanya sistem deteksi hoaks otomatis yang mampu membantu masyarakat dalam memilah informasi secara lebih efektif. Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma Naive Bayes, Logistic Regression, dan Support Vector Machine (SVM) dalam mendeteksi berita hoaks berbasis teks berbahasa Indonesia menggunakan dua metode representasi fitur, yaitu TF-IDF dan BERT embedding. Dataset yang digunakan terdiri dari 23.632 data berita seimbang, meliputi 11.816 berita hoaks yang bersumber dari TurnBackHoax.id dan 11.816 berita non-hoaks yang diperoleh dari portal berita Kompas, Tempo, dan Detik. Tahapan penelitian mencakup preprocessing teks berupa text cleaning, case folding, tokenisasi, dan stopword removal dilanjutkan dengan ekstraksi fitur menggunakan TF-IDF dan IndoBERT, serta klasifikasi dalam enam skenario eksperimen yang merupakan kombinasi dari ketiga algoritma dan kedua representasi fitur. Evaluasi model dilakukan menggunakan confusion matrix dengan metrix accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa kombinasi Logistic Regression dengan BERT (S5) menghasilkan performa terbaik dengan accuracy 98,24%, precision 98,47%, recall 98,01%, dan F1-score 98,24%, diikuti oleh SVM dengan BERT (S6) sebesar 98,18%. Naive Bayes secara konsisten menghasilkan performa paling rendah pada kedua representasi fitur, dengan F1-score 93,71% pada TF-IDF dan 91,78% pada BERT. Temuan ini mengindikasikan bahwa Logistic Regression dengan representasi BERT merupakan kombinasi paling optimal dan direkomendasikan untuk pengembangan sistem deteksi berita hoaks berbahasa Indonesia.