Penggunaan media sosial di Indonesia terus meningkat, memberikan kemudahan akses berita namun juga menyebabkan maraknya penyebaran informasi hoaks. Deteksi berita hoaks menjadi penting karena dapat mencegah penyebaran informasi yang menyesatkan dan merusak kredibilitas berita. Penelitian ini berfokus pada deteksi berita hoaks dalam media berita berbahasa Indonesia di platform Twitter menggunakan model Long Short-Term Memory (LSTM) dengan fitur embedding Word2Vec. Selain itu, dilakukan perbandingan performa model dengan variasi parameter window pada Word2Vec untuk menentukan konfigurasi terbaik. Word2Vec dipilih karena kemampuannya dalam merepresentasikan vektor kata dan menangkap hubungan semantik antar kata secara lebih baik dibandingkan metode lainnya. Hasil penelitian menunjukkan bahwa LSTM dengan Word2Vec memiliki performa lebih baik dalam mendeteksi berita hoaks, dengan akurasi rata-rata mencapai 96%, dibandingkan LSTM dengan TF-IDF yang hanya mencapai 93%. Temuan ini menunjukkan bahwa kombinasi LSTM dan
