Berita hoaks sudah lama menjadi masalah pada masyarakat. Hal ini cukup mengkhawatirkan karena dapat berita hoaks dapat mengubah cara pandang seseorang ke hal yang tidak baik yang dampaknya merugikan banyak individu maupun kelompok masyarakat. Machine learning dan deep learning dapat diimplementasikan untuk mendeteksi berita hoaks. Contoh metode yang digunakan pada penelitian-penelitian sebelumnya adalah seperti SVM (Support Vector Machine) dan CNN (Convolutional Neural Network). Penelitian ini mengusulkan penerapan metode CNN dan SVM. Selain itu, penelitian ini mengembangkan model hybrid CNN-SVM, yang menjadi keunikan penelitian ini. Dataset bersumber dari Twitter yang fokus pada topik Kasus Ferdy Sambo dan Tragedi Kanjuruhan yang terjadi pada tahun 2022. Dataset yang digunakan terbagi dua dengan rasio 90:10 (90% data train dan 10% data test). Setelah dataset melewati berbagai pra pemrosesan dan skenario, kedua algoritma mencapai perfomansi yang sangat baik. Hal ini dapat diketahui dari nilai akurasi untuk kedua metode yang berhasil ditingkatkan performansinya setelah ekstraksi dan ekspansi fitur diterapkan dengan ekstraksi fitur TF-IDF (Term Frequency Inverse Document Frequency), pembobotan unigram + bigram, dan ekspansi fitur dengan GloVe (Global Vector for Word Representation). Metode dengan ekspansi fitur top 15 dan korpus Tweet + Berita mencapai performansi tertinggi untuk metode CNN (95,11%) dan metode dengan ekspansi fitur top 1 dan korpus Tweet mencapai performansi tertinggi untuk metode SVM (95,95%).