Nama Penulis 1 / Program Studi : Alya Azhar Agharid / Ilmu Komputer Nama Penulis 2 / Program Studi : Frigas Hanifyan Zalwi / Ilmu Komputer Judul : Model Validasi Konten Berita Generatif untuk Automatic Indonesian News Generation System Pembimbing 1 : Adila Alfa Krisnadhi, Ph.D. Pembimbing 2 : Jessica Naraiswari Arwidarasti, S.Kom., M.Kom. Penelitian ini bertujuan untuk melakukan pengembangan model untuk validasi berita berbahasa Indonesia yang dihasilkan oleh komponen generator berita pada proyek Automatic Indonesian News Generation System (AINGS). Terdapat dua pendekatan dalam penelitian ini, yakni pendekatan Large Language Model (LLM) generatif dan pendekatan model tugas Natural Language Inference (NLI). Dataset pada penelitian ini berasal dari berita pada media digital Indonesia dengan kategori berita olahraga dan fenomena alam. Model LLM generatif yang digunakan adalah BLOOM dan XGLM. Sementara itu model yang digunakan dalam tugas NLI adalah LLM contextualized pre-trained IndoBERT, mBERT, XLM-RoBERTa, dan mDeBERTa-V3. Aturan klasifikasi tambahan diperlukan sebagai tahapan post-processing dari pendekatan NLI untuk klasifikasi tingkat berita. Kedua hasil evaluasi pendekatan akan dibandingkan dengan hasil evaluasi pengujian validasi oleh manusia. Penelitian ini menunjukkan bahwa performa dari pendekatan basis tugas NLI lebih baik dibandingkan dengan pendekatan LLM generatif. Performa model terbaik pendekatan NLI yaitu IndoBERTLARGE−P1 mencapai performa akurasi 94,70%, sedangkan model terbaik pendekatan LLM generatif yakni BLOOM − 3B mencapai akurasi tertinggi pada 84,11%. Meskipun demikian, penelitian ini menunjukkan bahwa kedua pendekatan di atas belum dapat melampaui performa validasi oleh manusia. Performa pendekatan terbaik penelitian ini yakni model berbasis NLI memiliki performa akurasi 94,70% yang memiliki selisih 3% dari akurasi pengujian manusia dengan akurasi 97,36%. Dengan selisih nilai akurasi yang kecil di atas, penelitian ini menunjukkan bahwa pendekatan penggunaan LLM dengan basis tugas NLI dapat menjadi solusi yang baik dalam tugas validasi berita generatif berbahasa Indonesia. Kata kunci: Validasi Berita Generatif, Large Language Model (LLM), Natural Language Inference (NLI), Text Classification, BLOOM, XGLM, IndoBERT, mBERT, XLM-RoBERTa, mDeBERTa-V3