Selama beberapa tahun terakhir, jumlah penyebaran informasi semakin meningkat terutama semenjak adanya media sosial. Diantara informasi yang beredar terdapat informasi yang termasuk konten negatif atau hoax yang memiliki dampak yang buruk seperti timbulnya perpecahan akibat informasi yang tidak benar. Berdasarkan laporan kinerja kominfo tahun 2018, media sosial twitter merupakan penyumbang terbanyak penyebaran hoax. Untuk mengurangi dampak dari penyebaran hoax, diperlukan suatu metode untuk mendeteksi hoax pada twitter sehingga dapat dilakukan pencegahan seperti melakukan “take down” pada tweet yang termasuk hoax. Tujuan dilakukannya penelitian ini yaitu untuk mengembangkan sebuah model yang mampu mendeteksi konten negatif (hoax) secara otomatis dan juga melihat korelasi antara konten yang berupa hoax dengan orientasi sentimennya. Hasil dari penelitian ini yaitu berupa model yang berbasis pembelajaran mesin dengan menggunakan algoritma decision tree dengan akurasi 97,2% dengan nilai precision 85,4, recall 81,4 dan f1-score 93 dan model. Selain itu hasil analisis menunjukkan bahwa tweet yang merupakan hoax hasil identifikasi model didominasi oleh orientasi sentimen positif yaitu 52,64% dari total keseluruhan data yang diidentifikasi sebagai hoax. Implikasi praktikal dari penelitian ini berupa model deteksi hoax yang dapat digunakan sebagai alat bantu dalam proses penurunan penyebaran hoax. Sedangkan implikasi teoritis dari penelitian ini berupa data set, alur pembuatan model serta model yang dapat digunakan untuk penelitian berikutnya khususnya dalam bidan analitika media sosial dan digital.

---

Over the past few years, the amount of information dissemination has increased, especially since the advent of social media. Among the information circulating, there is information that includes negative content or hoax that have a bad impact such as the emergence of divisions due to incorrect information. Based on the 2018 Kominfo performance report, Twitter social media is the largest contributor to the spread of hoax. To reduce the impact of the spread of hoax, a method is needed to detect hoaxes on Twitter so that prevention can be done such as taking down tweets that are hoax. The purpose of this research is to develop a model that can detect negative content (hoax) automatically and also see the correlation between hoax content and sentiment orientation. The results of this study are a machine learning-based model using a decision tree algorithm with an accuracy of 97.2% with a precision value of 85.4, recall of 81.4, and f1-score 93 and the model. In addition, the results of the analysis show that tweets that are hoax as a result of model identification are dominated by positive sentiment orientation, which is 52.64% of the total data identified as hoax. The practical implication of this research is in the form of a hoax detection model that can be used as a tool in the process of reducing the spread of hoaxes. Meanwhile, the theoretical implications of this research are in the form of data sets, modeling flow and models that can be used for further research, especially in social and digital media analytics.