ABSTRAK Nama : Dimas Sony Dewantara Program Studi : Magister Ilmu Komputer Judul : Identifikasi Berita Palsu Berbahasa Indonesia menggunakan Pendekatan Pola Tekstual dan Penilaian Kredibilitas Sumber Berita Pembimbing I : Dr. Indra Budi, S.Kom., M.Kom. Pembimbing II : Dr. Heru Susanto, S.Kom., M.Sc. (Program By Research LIPI) Berita palsu memiliki peranan yang besar terkait penyebaran informasi yang salah terhadap para pembacanya. Informasi yang salah dapat mempengaruhi persepsi atau dapat menimbulkan bias pada pemahaman hingga dapat mengubah pilihan seseorang dalam pengambilan keputusan. Kesalahan persepsi atau bias dalam pengambilan keputusan ini berpotensi menimbulkan konflik pada masyarakat. Dewasa ini, penyebaran berita palsu kian meningkat seiring berkembangnya media penyampaian informasi dalam bentuk daring atau online. Makin maraknya penyebaran berita palsu ini membuat perlunya dibangun suatu sistem yang dapat mendeteksi keberadaan berita palsu sehingga dapat meminimalisir dampak yang mungkin ditimbulkan. Permasalahan pendeteksian berita palsu ini merupakan permasalahan klasifikasi teks binomial yang mengelompokkan suatu konten berita menjadi berita asli atau berita palsu. Penelitian terkait pendeteksian berita palsu ini telah banyak dilakukan sebelumnya terutama dengan menggunakan pendekatan analisis pola tekstual pada konten berita. Namun pendekatan ini memiliki keterbatasan ketika produsen dari konten berisikan berita palsu memiliki kemampuan dalam mereplikasi pola tekstual tertentu yang menjadi ciri dari berita asli sehingga dapat mengelabuhi model prediksi yang digunakan. Penilaian kredibilitas sumber berita dapat dijadikan fitur tambahan selain fitur berupa pola tekstual. Sumber berita dengan kredibilitas yang baik memiliki kecenderungan dalam menghasilkan konten berita yang valid atau dapat dipercaya. Sebaliknya, sumber berita dengan kredibilitas yang buruk cenderung menghasilkan konten berita palsu atau menyesatkan. Penelitian ini menggunakan suatu sistem klasifikasi teks binomial untuk mendeteksi berita palsu melalui kombinasi metode analisis pola tekstual dengan kredibilitas sumber berita sebagai fitur tambahan. Algoritma yang digunakan penulis meliputi Multinomial Naive Bayes (MNB), Logistic Regression (LR), Support Vector Machine (SVM) dan Random Forest Decision Tree (RFDT) yang merupakan algoritma Machine Learning serta beberapa algoritma Deep Learning seperti Convolutional Neural Network (CNN), Long Short Term Memory (LSTM) serta kombinasi dari kedua algoritma tersebut. Penulis juga menggunakan metode Word Embedding Bahasa Indonesia sebagai penunjang penggunaan metode Deep Learning. Hasil dari percobaan menunjukan klasifikasi dengan CNN pada skenario fitur pernyataan dikombinasikan dengan fitur info redaksi menghasilkan F1-Score tertinggi sebesar 0.9354 atau sekitar 93%. Identification of Indonesian Fake News using Textual Pattern Approach and News Source Credibility Assessment