Twitter merupakan salah satu media sosial yang saat ini populer digunakan di seluruh dunia. Hanya saja twitter mempunyai beberapa masalah yang berdampak buruk kepada penggunannya. Hoax merupakan salah satu hal negatif yang sering terjadi di dalam media sosial, berita dalam hoax masih diragukan kebenaran atau faktanya. Pada penelitian tugas akhir ini, penulis membangun sistem untuk mendeteksi berita hoax pada twitter. Penggunaan pembobotan Term Frequency Inverse Document Frequency (TF-IDF) di sistem memberikan nilai bobot pada tweet yang diambil dari kemunculan kalimat berita hoax yang disebarkan oleh seseorang di Twitter. Pengklasifikasian data menggunakan metode Support Vector Machine (SVM) pada sistem untuk memprediksi kemungkinan seorang pengguna akun twitter menyebarkan suatu berita hoax berdasarkan perilaku pengguna tersebut. Pengujian data dilakukan berdasarkan isi konten tweets. Dataset disusun berdasarkan attribute yang digunakan seperti jumlah retweet, URL, jumlah hashtag, provokasi, permusuhan, kecemasan, dan berita tidak berimbang. Data hasil olahan dibagi menjadi data training dan data testing. Hasil pengujian data dengan menggunakan semua fitur memperoleh akurasi tertinggi sebesar 78,33%.