Analisis Perbandingan Performa Algoritma Random Forest dan Logistic Regression untuk Deteksi Berita Hoaks

Penyebaran informasi palsu atau hoaks di media digital Indonesia menjadi permasalahan serius yang memicu disinformasi publik. Namun, pengolahan data teks berita dunia nyata sering kali terkendala oleh masalah ketidakseimbangan distribusi kelas (imbalanced data), di mana jumlah berita hoaks jauh lebih mendominasi dibandingkan berita valid. Penelitian ini bertujuan untuk menganalisis dan membandingkan performa algoritma Random Forest dan Logistic Regression dalam mendeteksi berita hoaks berbahasa Indonesia, baik sebelum
maupun sesudah penanganan imbalanced data menggunakan metode Customized Instance Random Undersampling (CIRUS). Dataset yang digunakan bersumber dari repositori Kaggle (Kominfo) sebanyak 17.185 artikel berita dengan 15.411 data bersih. Tahap ekstraksi fitur menggunakan Term Frequency-Inverse Document
Frequency (TF-IDF) berkapasitas 10.000 fitur dengan gabungan atribut tittle dan body_text. Metode CIRUS diterapkan melalui pembentukan 32 compact set berbasis K-Means hingga diperoleh 10.274 data seimbang. Pengujian dilakukan menggunakan skema K-Fold Cross Validation (K=5) berbasis metrik Accuracy, Precision, Recall, F1-Score, dan Confusion Matrix. Hasil pengujian menunjukkan bahwa pada kondisi data tidak seimbang (sebelum CIRUS), Random Forest memperoleh akurasi 99,81% berbanding 99,51% pada Logistic Regression, namun
nilai tersebut bersifat akurasi semu akibat bias kelas mayoritas. Setelah penanganan
imbalanced data menggunakan CIRUS (data seimbang), Random Forest kembali terbukti mengungguli Logistic Regression secara signifikan dengan akurasi sebesar 95,16% berbanding 92,21%. Penelitian ini menyimpulkan bahwa penyeimbangan
CIRUS efektif mengeliminasi bias kelas, di mana keunggulan Random Forest didorong oleh arsitektur ensemble learning dengan 100 decision trees yang mampu memetakan hubungan non-linier dan dimensi fitur TF-IDF yang tinggi secara lebih efektif dibanding pembatas linier pada Logistic Regression.