Pengembangan Aplikasi Web TrustNet untuk Deteksi Gangguan Informasi Menggunakan Metode Scrum

Muhamad Rosidin; Maela Khoirul Ummah; Panggah Widiandana; Gilar Adi Pratama; Wicaksono Yuli Sulistyo

doi:10.33506/insect.v12i2.6128

Authors

Muhamad Rosidin Program Studi Sistem Informasi, Universitas Siber Muhammadiyah, Yogyakarta
Maela Khoirul Ummah Program Studi Sistem Informasi, Universitas Siber Muhammadiyah, Yogyakarta
Panggah Widiandana Program Studi Informatika, Universitas Islam Mulia, Yogyakarta
Gilar Adi Pratama Program Studi Sistem Informasi, Universitas Siber Muhammadiyah, Yogyakarta
Wicaksono Yuli Sulistyo Program Studi Sistem Informasi, Universitas Siber Muhammadiyah, Yogyakarta

DOI:

https://doi.org/10.33506/insect.v12i2.6128

Keywords:

Blackbox Testing, Gangguan Informasi, Pengembangan Perangkat Lunak, Scrum, TrustNet

Abstract

Gangguan informasi berupa misinformasi, disinformasi, dan malinformasi menyebar jauh lebih cepat daripada kemampuan verifikasi manual, sehingga dibutuhkan aplikasi yang mampu menelusuri bukti dan menyajikan tingkat kepercayaan suatu klaim secara terbuka. Sebagian besar penelitian sistem deteksi di Indonesia berhenti pada perbandingan algoritma dan, ketika sampai pada tahap pembangunan aplikasi, mengandalkan model Waterfall yang mengasumsikan kebutuhan bersifat tetap. Asumsi tersebut sulit dipenuhi pada sistem berbasis pembelajaran mesin, karena kebutuhan baru justru muncul setelah model dievaluasi. Penelitian ini mengembangkan aplikasi web TrustNet untuk deteksi gangguan informasi menggunakan metode Scrum, dengan pekerjaan disusun sebagai product backlog dan dikerjakan melalui enam sprint. Setiap sprint menghasilkan increment yang dapat dijalankan, mulai dari akuisisi berita, penelusuran pengetahuan, validasi bukti, kalibrasi probabilitas, evolusi keyakinan, hingga dasbor intelijen dan otomasi terjadwal. Pengujian fungsional dilakukan menggunakan black box testing terhadap 30 skenario uji yang mencakup sepuluh modul aplikasi. Hasil pengujian menunjukkan 28 skenario berjalan sesuai dengan yang diharapkan, sehingga diperoleh tingkat kelulusan sebesar 93,3%. Aplikasi berhasil dioperasikan pada aliran berita nyata dengan 2.004 artikel terhimpun, 3.079 isu terekstraksi, dan 333 isu tervalidasi bukti. Penerapan Scrum terbukti mengakomodasi dua perubahan kebutuhan yang tidak teridentifikasi pada perencanaan awal, yaitu penyisipan lapisan validasi bukti dan pengulangan pelatihan model hingga versi ketiga belas. Temuan ini menunjukkan bahwa pendekatan iteratif lebih sesuai untuk pengembangan aplikasi deteksi berbasis pembelajaran mesin dibanding pendekatan sekuensial.

References

[1] T. A. Roshinta, E. Kumala, dan I. F. Dinata, “Sistem Deteksi Berita Hoax Berbahasa Indonesia Bidang Kesehatan,” remik, vol. 7, no. 2, hlm. 1167–1173, 2023, doi: 10.33395/remik.v7i2.12369.

[2] R. Dicki Prabowo, I. Widaningrum, dan J. Karaman, “Sistem Deteksi Berita Hoax Pemilu 2024 Indonesia Menggunakan Algoritma K-nearest Neighbor (KNN) dan Support Vector Machine (SVM),” JIKO J. Inform. Dan Komput., vol. 9, no. 1, hlm. 93, 2025, doi: 10.26798/jiko.v9i1.1424.

[3] Y. Zahra, “Understanding and Mitigating AI-Generated Hoax Information,” J. Sist. Inf. Dan Tek. Inform. JAFOTIK, vol. 3, no. 2, hlm. 56–61, 2025, doi: 10.70356/jafotik.v3i2.84.

[4] I. Pangesti, N. A. Zen, dan D. Kurnianto, “Evaluasi Kinerja Algoritma Naive Bayes pada Sistem Deteksi Berita Hoax,” J. Inform. Commun. Technol. JICT, vol. 5, no. 2, hlm. 103–110, 2023, doi: 10.52661/j_ict.v5i2.238.

[5] K. Mumbunan, M. M. B. Bawata, M. P. Kusen, V. Tarigan, dan A. Yusupa, “Perbandingan Algoritma Naive Bayes Dan Support Vector Machine Dalam Deteksi Berita Hoax Berbahasa Indonesia,” Riau J. Tek. Inform., vol. 4, no. 1, 2025, doi: 10.30606/rjti.v4i1.3262.

[6] D. Novianto, L. Tommy, S. Sujono, dan Y. S. Japriadi, “Perbandingan Kinerja Model XGBoost dan IndoBERT untuk Deteksi Teks Hoax Terselubung Berbahasa Indonesia,” J. Ilm. Sist. Inf. Dan Ilmu Komput., vol. 6, no. 2, hlm. 208–221, 2026, doi: 10.55606/juisik.v6i2.2411.

[7] R. R. M. Fahri, “Klasifikasi Teks Berbahasa Indonesia Menggunakan Word2Vec dan K-nearest Neighbor untuk Identifikasi Berita Hoax,” Rabit J. Teknol. Dan Sist. Inf. Univrab, vol. 11, no. 1, hlm. 122–129, 2026, doi: 10.36341/rabit.v11i1.6674.

[8] M. S. Napitupulu, “Deteksi Konten Berita Hoax Tentang Dunia Kesehatan Dimedia Sosial Dengan Menggunakan Metode Text Rank,” J. Ilmu Komput. Teknol. Dan Inf., vol. 2, no. 1, hlm. 11–15, 2024, doi: 10.62866/jurikti.v2i1.120.

[9] A. Ripa’i, F. Santoso, dan F. Lazim, “Deteksi Berita Hoax dengan Perbandingan Website Menggunakan Pendekatan Deep Learning Algoritma BERT,” G-Tech J. Teknol. Terap., vol. 8, no. 3, hlm. 1749–1758, 2024, doi: 10.33379/gtech.v8i3.4541.

[10] M. A. Rofiqi dan A. H. Mujianto, “Implementation of Naive Bayes Method and Natural Language Processing in Web-Based Online Hoax News Detection System,” SMATIKA J., vol. 16, no. 2, hlm. 216–228, 2026, doi: 10.32664/smatika.v16i02.2338.

[11] F. Agustian dan S. Jaya, “Pengembangan Sistem Deteksi Informasi Palsu pada Media Online Menggunakan Algoritma BERT,” Rabit J. Teknol. Dan Sist. Inf. Univrab, vol. 11, no. 2, hlm. 2751–2760, 2026, doi: 10.36341/rabit.v11i2.7885.

[12] D. Tawakalna dan J. Zeniarja, “Sistem Chatbot Kesehatan Mental Berbasis LLM dengan Deteksi Emosi dan Retrieval Augmented Generation,” Rabit J. Teknol. Dan Sist. Inf. Univrab, vol. 11, no. 1, hlm. 1398–1412, 2026, doi: 10.36341/rabit.v11i1.7347.

[13] K. Yuliawan dan P. S. Deda, “Sistem Informasi Kependudukan Berbasis Web dengan Deteksi Duplikasi dan Validasi Semantik NIK,” J. Komput. Teknol. Inf. Sist. Komput. JUKTISI, vol. 5, no. 2, hlm. 1865–1872, 2026, doi: 10.62712/juktisi.v5i2.1480.

[14] Much. R. Maulana, N. I. Royanti, dan R. A. Winoto, “Rancang Bangun Sistem Smart Posbindu Peyakit Tidak Menular (PTM) Berbasis Android untuk Deteksi Dini dan Monitoring Kesehatan Masyarakat,” LogicLink, 2025, doi: 10.28918/logiclink.v2i2.12989.

[15] C. A. P. Tungady dan H. D. Purnomo, “Perancangan Sistem Pendukung Objek Deteksi untuk Permainan Kartu Cardfight!Vanguard Menggunakan Aplikasi Roboflow dan Flask,” J. Teknol. Sist. Inf. Dan Apl., vol. 6, no. 3, hlm. 283–290, 2023, doi: 10.32493/jtsi.v6i3.30303.

[16] Ahyath, M. Zahrani2, A. Rayadi, S. G. Z. Arnowo, dan Widiatry, “Pengembangan Sistem Deteksi Stunting Balita Berbasis Web Menggunakan Pendekatan OOAD dan Standar Z-Score WHO,” J. Komput. Teknol. Inf. Sist. Komput. JUKTISI, vol. 5, no. 2, hlm. 1272–1286, 2026, doi: 10.62712/juktisi.v5i2.1327.

[17] M. L. Taufikurrahman dan P. Handoko, “Implementasi Algoritma YOLO dan FaceNet dalam Sistem Keamanan untuk Deteksi Orang Tak Dikenal,” Rabit J. Teknol. Dan Sist. Inf. Univrab, vol. 11, no. 2, hlm. 3865–3881, 2026, doi: 10.36341/rabit.v11i2.8206.

[18] L. M. A. Ikhlas dan Nurdin, “Implementasi Sistem Deteksi Asap dan Api Berbasis IoT untuk Rumah Pintar Menggunakan Metode Prototyping,” J. Sist. Inf. Kaputama JSIK, vol. 9, no. 2, hlm. 98–107, 2025, doi: 10.59697/jsik.v9i2.1016.

[19] L. B. Herdianto, “Pengembangan Sistem Pakar Deteksi Anemia Kehamilan Menggunakan Certainty Factor,” KOMPUTEK, vol. 7, no. 2, hlm. 38–48, 2023, doi: 10.24269/jkt.v7i2.2240.

[20] F. Anwar dan A. Voutama, “Implementasi Sistem Deteksi Defacement Otomatis pada Website Pemerintah Menggunakan N8N,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 8, no. 2, hlm. 153–158, 2026, doi: 10.47233/jteksis.v8i2.2578.

[21] M. H. Z. Hidayatullah, D. Fitrianto, M. Rosidin, M. F. Gustafi, dan K. E. Setyaputri, “Perancangan UI/UX Website PDM Kebumen dengan Metode User Centered Design (UCD),” Insect J. Inform. dan Secur., vol. 12, no. 1, hlm. 147–157, 2026, doi: 10.33506/insect.v12i01.5500.

[22] P. Widiandana, M. H. Amali, A. Admaja, dan M. R. Saputra, “Perancangan Keamanan Informasi pada Sistem Persuratan Berbasis Web Menggunakan Autentikasi dan Middleware,” Bull. Comput. Sci. Res., vol. 6, no. 4, hlm. 1544–1551, 2026.

[23] P. Widiandana, M. A. Muttaqin, H. M. Riziq, dan F. A. Muiz, “Analisis Penerapan CAPTCHA, Autentikasi, dan Access Control pada Keamanan Informasi Website Akademik,” JIIFKOM J. Ilm. Inform. dan Komput., vol. 5, no. 2, hlm. 60–66, 2026.

[24] B. J. Nababan, A. Haikal, dan S. R. Maulidya, “Pembuatan Sistem Deteksi Hardcode Kredensial pada Repository,” ROUTERS J. Sist. Dan Teknol. Inf., hlm. 20–31, 2025, doi: 10.25181/rt.v3i1.3898.