Sejak
bulan Agustus 2018 hingga Januari
2024,
Tim dari Kementerian Komunikasi dan Informatika telah mendeteksi sejumlah 12.654 isu hoaks beredar di ruang digital. Isu hoaks dibuat dan disebarkan oleh oknum
tertentu dengan tujuan negatif, salah satunya adalah untuk menggiring opini
demi keuntungan pribadi. Berita hoaks
yang beredar menyebabkan kekhawatiran yang signifikan karena jumlah
ketersediaan informasi yang luas melalui jejaring internet. Penelitian ini membandingkan bagaimana proses klasifikasi
dan performa dari algoritma Stacked
Long Short-term Memory dengan Support Vector Machine dalam
konteks berita hoaks dengan narasi pemberitaan berbahasa Indonesia. Data
penelitian merupakan hasil scrapping dari dua sumber yaitu laman turnbackhoax
dan detiknews. Tujuan dari penelitian ini adalah untuk melihat bagaimana proses
klasifikasi pada berita hoaks dan mengetahui algoritma yang akan menghasilkan performa
yang lebih optimal dan kredibilitas yang lebih tinggi untuk data uji. Hasil
penelitian pada evaluasi model menunjukkan bahwa algoritma Stacked
Long Short-term Memory menghasilkan akurasi sebesar 98,84%,
presisi 98,81%, recall 100%, dan F1-score 99,41% dibandingkan dengan Support
Vector Machine yang menghasilkan akurasi sebesar
87,6%, presisi 88%, recall 86%, dan F1-score 87%. Dapat disimpulkan bahwa algoritma
Stacked
Long Short-term Memory menghasilkan performa lebih
baik dan dapat mengklasifikasi data dengan lebih baik dibandingkan dengan Support Vector Machine.
