Federated Learning untuk Deteksi Hoaks pada Bahasa Daerah Bersumber Daya Rendah di Indonesia
Abstract
Maraknya konten hoaks di berbagai platform media sosial menjadi ancaman serius bagi komunitas daerah di Indonesia, terutama bagi mereka yang berkomunikasi menggunakan bahasa daerah bersumber daya rendah seperti Melayu Manado (Grimes, 2000). Sistem deteksi hoaks yang ada saat ini masih terpusat pada Bahasa Indonesia standar dan bahasa global, sehingga komunitas bahasa daerah sangat rentan terhadap disinformasi digital (Pratama & Suhartono, 2022). Di sisi lain, pendekatan pembelajaran mesin terpusat secara konvensional mengharuskan pengumpulan data mentah ke server pusat, sehingga menimbulkan kekhawatiran serius terkait privasi data dalam konteks UU No. 27 Tahun 2022 tentang Perlindungan Data Pribadi. Penelitian ini mengusulkan kerangka kerja berbasis federated learning yang dirancang khusus untuk deteksi hoaks pada bahasa daerah bersuber daya rendah di Indonesia, dengan bahasa Melayu Manado sebagai fokus utama. Sistem yang diusulkan mengintegrasikan Multilingual BERT (mBERT) (Devlin et al., 2019) sebagai arsitektur representasi teks, algoritma Federated Averaging (FedAvg) (McMahan, 2017), serta framework Flower (flwr) (Beutel, 2020). Dataset terdiri dari 5.000 sampel berlabel yang dikumpulkan dari konten media sosial, arsip percakapan WhatsApp, dan basis data Kominfo Hoaks Busters (Kominfo, 2023), dengan anotasi dilakukan oleh penutur asli melalui mekanisme majority voting (Plank et al., 2016). Pelatihan federated dilaksanakan pada 3 hingga 5 node klien simulasi selama 20 putaran komunikasi dengan konfigurasi data IID dan non-IID (Li, 2022). Perlindungan privasi diterapkan melalui mekanisme DP-SGD (Mironov, 2017). Temuan empiris menunjukkan bahwa model mBERT federated mencapai performa klasifikasi yang kompetitif (Rust, 2021) dibanding pendekatan terpusat, sekaligus menjaga privasi data pengguna.
References
Beutel, D. J., Topal, T., Mathur, A., Qiu, X., Parcollet, T., de Guênet de Montjoye, P. P. B., & Lane, N. D. (2020). Flower: A friendly federated learning research framework. arXiv preprint. https://arxiv.org/abs/2007.14390
Chowdhury, S., Dubey, S., & Singh, M. (2021). Privacy enabled financial text classification using differential privacy and federated learning. arXiv preprint. https://arxiv.org/abs/2110.01643
Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. In Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies (NAACL-HLT) (pp. 4171–4186). Association for Computational Linguistics.
Dewan Perwakilan Rakyat Republik Indonesia. (2022). Undang-Undang Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi. Sekretariat Negara Republik Indonesia.
Grimes, B. F. (2000). Ethnologue: Languages of the world (14th ed.). SIL International.
Kementerian Komunikasi dan Informatika Republik Indonesia. (2023). Klarifikasi berita hoaks. https://www.kominfo.go.id/content/all/laporan_isu_hoaks
Li, T., Sahu, A. K., Zaheer, M., Sanjabi, M., Smola, A., & Smith, V. (2022). Federated learning on non-IID data silos: An experimental study. In Proceedings of the 38th IEEE International Conference on Data Engineering (ICDE) (pp. 965–978). IEEE. https://doi.org/10.1109/ICDE53745.2022.00077
Machová, K., Mach, M., & Balara, V. (2024). Federated learning in the detection of fake news using deep learning as a basic method. Sensors, 24(11), Article 3590. https://doi.org/10.3390/s24113590
McMahan, H. B., Moore, E., Ramage, D., Hampson, S., & Agüera y Arcas, B. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS) (pp. 1273–1282). PMLR.
Mironov, I. (2017). Rényi differential privacy of the Gaussian mechanism. In Proceedings of the 30th IEEE Computer Security Foundations Symposium (CSF) (pp. 263–275). IEEE. https://doi.org/10.1109/CSF.2017.11
Plank, B., Søgaard, A., & Goldberg, Y. (2016). Multilingual part-of-speech tagging with bidirectional long short-term memory models and auxiliary loss. In Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics (ACL) (pp. 412–418). Association for Computational Linguistics.
Pratama, A., & Suhartono, D. (2022). Hoax detection in Indonesian social media using deep learning. Journal of ICT Research and Applications, 16(1), 1–18. https://doi.org/10.5614/itbj.ict.res.appl.2022.16.1.1
