Interaksi sosial di media sosial merupakan kegiatan sehari-hari. Selain itu, berbagai informasi dapat dengan cepat diperoleh di media sosial. Namun, tidak semua informasi yang disampaikan di media sosial sesuai dengan kondisi faktual sehingga dapat menyesatkan pembaca. Oleh karena itu, dibutuhkan suatu sistem yang dapat mendeteksi berita yang mengandung disinformasi. Machine learning dan deep learning dapat digunakan untuk mendeteksi dan mengklasifikasikan berita yang mengandung disinformasi. Pada penelitian ini digunakan klasifikasi Hybrid pada dataset Twitter terkait berita politik di Indonesia, yaitu Convolutional Neural Network (CNN) dan Long-Short Term Memory (LSTM), dengan Support Vector Machine (SVM). Dengan Word2Vec yang telah dilatih sebelumnya akan mengubah kata-kata menjadi vektor numerik, lalu model hybrid akan mengekstrak dan mempelajari fitur-fiturnya. Model hybrid akan dibandingkan dengan LSTM atau CNN secara individu untuk melihat hasil terbaik yang diberikan oleh metode-metode tersebut. Perbandingan didasarkan pada hasil klasifikasi SVM dan Sigmoid. Hasil dari penelitian ini menunjukkan bahwa model hybrid yang diusulkan, yaitu CNN-LSTM-SVM menunjukkan hasil yang lebih baik dibandingkan model tunggal lainnya, dimana model hybrid memberikan nilai rata-rata 82.55% pada 5-fold dan di sisi lain, model LSTM-CNN-SVM memberikan nilai rata-rata 82.20% dengan sedikit perbedaan pada model hybrid yang pertama.