RANCANG BANGUN SISTEM DETEKSI HOAKS BERBASIS AGENTIC AI OTONOM

Abstract

Penyebaran hoaks pada media sosial di Indonesia berlangsung cepat dan masif sehingga sulit ditangani secara manual. Penelitian terdahulu pada umumnya berhenti pada klasifikasi teks atau verifikasi fakta berbasis dataset statis, sehingga belum mampu menelusuri bukti secara mandiri dan real-time. Penelitian ini bertujuan merancang dan membangun sistem verifikasi fakta otonom yang mengintegrasikan Agentic AI dan Large Language Models (LLM) dengan pendekatan Retrieval-Augmented Generation (RAG) untuk mendeteksi hoaks. Metode penelitian menggunakan pendekatan Research and Development dengan arsitektur agen berbasis kerangka kerja Reason and Act (ReAct), yang menggabungkan penalaran, pemanggilan alat pencarian eksternal, dan penarikan kesimpulan. Sistem diuji menggunakan 300 klaim berbahasa Indonesia yang dikumpulkan dari kanal pemeriksa fakta terverifikasi. Hasil pengujian menunjukkan sistem mencapai akurasi 89,3%, presisi 88,7%, recall 90,1%, dan F1-score 89,4%, lebih tinggi dibandingkan model klasifikasi konvensional. Sistem juga mampu menyajikan bukti dan alasan keputusan secara transparan. Penelitian ini berkontribusi menyediakan kerangka kerja verifikasi fakta otonom yang dapat diterapkan pada konteks media sosial Indonesia.