Abstrak

Perkembangan media digital mempermudah masyarakat dalam memperoleh dan menyebarkan informasi secara cepat. Namun, kemudahan tersebut juga meningkatkan penyebaran berita hoaks yang dapat menimbulkan kesalahpahaman dan memengaruhi opini publik. Oleh karena itu, diperlukan program yang dapat membantu mengklasifikasikan berita hoaks secara otomatis menggunakan pendekatan machine learning. Penelitian ini bertujuan untuk mengklasifikasikan berita hoaks menggunakan algoritma Naive Bayes dan Logistic Regression dengan bahasa pemrograman Python. Tahapan penelitian meliputi preprocessing teks, pembentukan fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), pembagian dataset, pelatihan model, evaluasi model, serta implementasi model pada program berbasis web menggunakan Streamlit. Evaluasi model dilakukan menggunakan accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa Logistic Regression menjadi model dengan performa terbaik, dengan nilai accuracy sebesar 0,983519, precision sebesar 0,979749, recall sebesar 0,985714, dan F1-score sebesar 0,982722. Model Naive Bayes dan Logistic Regression kemudian diimplementasikan pada program berbasis web yang dapat menerima teks berita berbahasa Inggris dan menampilkan hasil klasifikasi berupa kelas hoaks atau valid. Program selanjutnya melalui proses deployment dan hosting menggunakan Streamlit Community Cloud sehingga dapat diakses melalui browser.