Perkembangan teknologi informasi dan komunikasi telah mengalami kemajuan yang pesat, terutama terkait media sosial. Saat ini, banyak orang mendapatkan informasi melalui media sosial, khususnya Twitter, karena aksesnya yang mudah dan tidak mengeluarkan banyak biaya. Akan tetapi, hal tersebut memiliki dampak negatif berupa penyebaran berita palsu atau hoax yang sulit dideteksi kebenarannya. Pada penelitian ini, penulis mengembangkan model deteksi berita hoax dengan menggunakan Convolutional Neural Network dan metode pembobotan TF-IDF. Seleksi fitur dilakukan dengan menggunakan Information Gain dengan fitur yang beragam yaitu unigram, bigram, trigram dan gabungan ketiganya. Pengujian dilakukan dengan 3 skenario yaitu klasifikasi, klasifikasi dengan pembobotan, klasifikasi dengan pembobotan dan seleksi fitur. Parameter yang digunakan pada seleksi fitur information gain adalah threshold 0.8. Hasil penelitian menunjukkan bahwa klasifikasi dengan pembobotan dan seleksi fitur menghasilkan akurasi tertinggi yaitu sebesar 95.56% pada fitur unigram + bigram dengan perbandingan data latih dan data uji 50:50.
Kata kunci: Hoax, Twitter, Convolutional Neural Network, TF-IDF, Information Gain