Deteksi Berita Palsu Menggunakan GAN

Abstract

Artikel ini mengusulkan metode untuk mendeteksi berita palsu menggunakan Generative Adversarial Networks (GANs). GAN adalah jenis model pembelajaran mendalam yang terdiri dari dua jaringan saraf, generator dan diskriminatior, yang bersaing satu sama lain untuk menghasilkan sampel palsu yang realistis. Dalam studi ini, GAN dilatih pada dataset artikel berita nyata dan palsu untuk mempelajari pola dan karakteristik yang mendasari masing-masing jenis. Jaringan diskriminator kemudian digunakan untuk mengklasifikasikan artikel baru sebagai asli atau palsu berdasarkan fitur yang dipelajari oleh GAN. Metode yang diusulkan dievaluasi pada dataset benchmark dan dibandingkan dengan beberapa metode state-of-the-art. Hasil penelitian menunjukkan bahwa metode yang diusulkan mencapai akurasi tinggi dalam mendeteksi berita palsu, menunjukkan potensi GAN dalam aplikasi ini.