Berita palsu diungkap pembelajaran mesin memilah berita palsu. Dengan perangkat lunak, teks dan data lain di facebook dan twitter sangat mudah ditandai sebagai kebohongan. Hindari jeratan delik hukum.
Penulis/editor: Marinus L. Toruan
mmINDUSTRI.co.id – Hati-hati menyimak dan menyebarkan berita palsu. Selain melanggar Undang-Undang Telekomunikasi, pembuat berita palsu mudah dideteksi dan selanjutnya kena delik hukum.
Seseorang gemar menciptakan suatu cerita, namun faktanya justru menyimpang. Inilah yang disebut berita palsu yang menyambar seperti lidah api. Ironisnya, berita palsu itu disebar melalui internet dan sering dibagikan melalui media sosial—tanpa dipikirkan efek berita palsu itu.
Pembelajaran Mesin Memilah Berita Palsu
Menanggapi maraknya berita palsu di media sosial, para peneliti di Fraunhofer mengembangkan sistem yang secara otomatis mampu menganalisis postingan-postingan di media sosial. Sistem dan teknologi mampu menyaring berita palsu dan disinformasi yang diedarkan oleh pihak yang tak bertangung jawab.
Untuk melakukan ini, fitur menganalisis konten dan metadata, mengklasifikasikannya dengan menggunakan teknik pembelajaran mesin atau machine learning, dan memanfaatkan interaksi pengguna untuk mengoptimalkan hasil saat berlangsung.
Untuk mengidentifikasi berita palsu, alat pembelajaran mesin buatan Fraunhofer FKIE menganalisis teks dan metadata.
Berita palsu dirancang untuk memancing tanggapan tertentu atau memicu agitasi terhadap seseorang atau sekelompok orang. Tujuannya adalah untuk memengaruhi dan memanipulasi opini publik tentang suatu topik yang ditargetkan pada hari tertentu.
Berita palsu ini mudah menyebar dengan cepat melalui internet, terutama di media sosial seperti Facebook atau Twitter. Dan untuk mengidentifikasi berita palsu itu merupakan tugas yang rumit.
Oleh sebab itu, alat klasifikasi dikembangkan oleh Institut Fraunhofer untuk Komunikasi, Pemrosesan Informasi, dan Ergonomi FKIE, yang secara otomatis menganalisis pos media sosial dan memproses data dalam jumlah besar.
Selain memproses teks, mesin dapat memasukkan metadata ke dalam analisisnya dan menyampaikan temuannya dalam bentuk visual. Perangkat lunak buatan Fraunhofer berfokus pada Twitter dan situs web lain.
Tweet adalah tempat menemukan tautan yang mengarah ke halaman web yang berisi berita palsu. Dengan kata lain, media sosial berperan sebagai pemicu, jika orang suka.
“Berita palsu sering kali dihosting di situs web yang dirancang untuk meniru keberadaan web kantor berita dan sulit dibedakan dari situs aslinya. Dalam banyak kasus, berita palsu didasarkan pada berita resmi, tetapi kata-katanya telah diubah atau diplintir,” jelas Prof. Ulrich Schade salah satu peneliti Fraunhofer FKIE
Prof. Ulrich Schade dan timnya memulai proses dengan membangun perpustakaan yang terdiri dari berita serius dan juga teks yang diidentifikasi pengguna sebagai berita palsu.
Kelompok riset Prof. Ulrich Schade mengembangkan mesin dan kemudian membentuk perangkat pembelajaran yang digunakan untuk melatih sistem. Untuk menyaring berita palsu, peneliti menggunakan teknik pembelajaran mesin yang secara otomatis mencari penanda tertentu dalam teks dan metadata.
Misalnya, dalam konteks politik, dapat berupa rumusan atau kombinasi kata yang jarang muncul dalam bahasa sehari-hari atau dalam pemberitaan jurnalistik, seperti “Kanselir Jerman saat ini” atau “Presiden Indonesia sekarang ini”.
Kesalahan linguistik juga merupakan tanda bahaya. Hal ini sangat umum terjadi ketika penulis berita palsu menulis dalam bahasa selain menggunakan bahasa ibu mereka.
Dalam kasus seperti itu, tanda baca, ejaan, bentuk kata kerja, atau struktur kalimat yang salah merupakan peringatan tentang kemungkinan berita palsu. Indikator lainnya termasuk ekspresi yang tidak pada tempatnya atau formulasi yang tidak praktis.
“Saat kami memasok sistem dengan serangkaian penanda, alat akan belajar sendiri untuk memilih penanda yang berfungsi. Faktor penentu lainnya adalah memilih pendekatan pembelajaran mesin yang memberikan hasil terbaik. Ini proses yang mebutuhkan waktu. Anda harus menjalankan berbagai algoritme dengan kombinasi penanda yang berbeda,” tandas Prof. Ulrich Schade.
Metadata juga digunakan sebagai penanda, ini memainkan peran penting dalam membedakan antara sumber informasi otentik dan berita palsu. Misalnya, berapa kali posting diterbitkan, kapan tweet dijadwalkan, dan pada pukul berapa?
Waktu posting berita palsu bisa sangat jitu. Misalnya, dapat mengungkapkan negara dan zona waktu pencetus berita. Frekuensi pengiriman yang tinggi menunjukkan bot dan meningkatkan kemungkinan berita palsu.
Bot sosial mengirimkan tautan mereka ke sejumlah besar pengguna, misalnya untuk menyebarkan ketidakpastian di kalangan publik. Koneksi dan pengikut akun juga dapat membuktikan lahan subur bagi analis.
Memilah Berita Palsu
Peneliti membuat peta panas dan grafik pengiriman data, frekuensi pengiriman, dan jaringan pengikut. Struktur jaringan ini dan node individual dapat digunakan untuk menghitung jenis node di jaringan yang mengedarkan item berita palsu atau memulai kampanye berita palsu.
Fitur lain dari alat otomatis ini adalah kemampuannya untuk mendeteksi perkataan yang memicu kebencian. Pos yang berpura-pura sebagai berita tetapi juga berisi perkataan yang memprovokasi kebencian sering kali ditautkan ke berita palsu.
“Yang terpenting adalah mengembangkan penanda yang mampu mengidentifikasi kasus ujaran kebencian. Contohnya termasuk ekspresi seperti politisi bajingan ‘atau negro’,” ungkap Prof. Ulrich Schade yang ahli bahasa dan matematika itu.
Para peneliti mampu menyesuaikan sistem mereka buat dengan berbagai jenis teks untuk mengklasifikasikannya. Badan publik dan bisnis dapat menggunakan alat tersebut untuk mengidentifikasi dan memerangi berita palsu.
“Perangkat lunak buatan kami dapat dipersonalisasi dan dilatih untuk memenuhi kebutuhan setiap pelanggan. Untuk badan publik, perangkat ini menjadi awal yang berguna sistem peringatan,” tandas Prof. Ulrich Schade.
Manufaktur Membutuhkan Solusi Cerdas, Coba Buatan Hexagon dan Plex 