Abstrak
Berita Hoaks di media sosial semakin mengkhawatirkan, terutama pada saat pemilu, di mana informasi ini dapat mempengaruhi opini publik dan mengganggu integritas pemilu. Penelitian ini bertujuan untuk mengembangkan sistem deteksi hoaks menggunakan metode Bayesian Neural Network (BNN) yang dioptimalkan dengan teknik Term frequency-Inverse Document frequency (TF-IDF). Hasil pengujian menunjukkan bahwa sistem ini berhasil mencapai akurasi tinggi dalam mengklasifikasikan berita hoaks dan non-hoaks. Dibandingkan dengan penelitian lain, seperti menggunakan metode K-Nearest Neighbor (K-NN) mencapai akurasi 85%, Naïve Bayes dengan akurasi 82,6%, dan penelitian data mining menggunakan TF-IDF mencapai akurasi rendah 57%. Dengan menggunakan metode ini mengklasifikasi berita secara otmatis dengan memanfaatkan distribusi probabilistik untuk meningkatkan akurasi deteksi. Pengujian ini melakukan dengan akurasi mencapai 88,87%. Penelitian ini diharapkan dapat m