Dalam beberapa tahun terakhir penggunaan platform media sosial di Indonesia terus meningkat. Meningkatnya penggunaan media sosial memiliki beberapa keuntungan dan kerugian. Keuntungannya adalah berita mudah diakses oleh siapa saja, sedangkan kerugiannya adalah banyak informasi yang tersebar adalah berita hoax. Berita hoax harus dideteksi karena berita hoax menyebarkan informasi yang tidak benar dan menyesatkan. Hal ini merusak integritas informasi dan perlu diklarifikasi untuk publik. Dengan mendeteksi berita hoax, kita bisa memastikan informasi yang disebarluaskan akurat dan terpercaya. Pada penelitian ini, penulis akan mendeteksi berita hoax pada media berita Indonesia di Twitter menggunakan LSTM dengan penyematan kata GloVe dan Word2Vec dan membandingkan kedua penyematan kata tersebut untuk mencari kinerja terbaik dalam model LSTM. Alasan memilih fitur ekstraksi GloVe dan Word2Vec untuk dibandingkan adalah karena keduanya berguna untuk merepresentasikan vektor kata. Kinerja mereka dapat bervariasi. Word2Vec mungkin lebih baik menangkap hubungan semantik antara kata-kata, sedangkan GloVe mungkin lebih baik menangkap hubungan distribusi dan kejadian bersama kata. Studi ini menunjukkan bahwa LSTM dengan Word2Vec tampil lebih baik dibandingkan LSTM dan GloVe dalam mendeteksi berita berbahasa Indonesia. LSTM dan Word2Vec menghasilkan nilai akurasi rata-rata 95%, sedangkan LSTM dengan GloVe menghasilkan nilai akurasi rata-rata 90%.
Kata kunci : Hoax, Klasifikasi, GloVe, Word2Vec, LSTM