Klasifikasi Emosi Netizen Menggunakan IndoBERT pada Media Sosial X Berbahasa Indonesia
Tahun 2026 · Penulis: Rofii’U Nur Ilham Firdaus
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/14201
Skripsi kelompok: digabung dari 2 unggahan dengan isi yang sama.
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Klasifikasi Emosi Netizen Menggunakan IndoBERT pada Media Sosial X Berbahasa Indonesia
Pengguna media sosial atau apa yang sering kita sebut Netizen sering mengekspresikan ekspresi dan pikiran mereka pada media sosial sebagai tempat untuk "menyatukan" tanpa batas. Mengoleksi ekspresi dan opini dari netizen yang dituangkan melalui tweet dapat berisi berbagai jenis emosi atau perasaan, menurut Shaver dan Murdaya struktur kosakata emosional memiliki lima kelas, yaitu cinta, kemarahan, kesedihan, kebahagiaan, khawatir/takut. Penelitian sebelumnya menggunakan dataset X media sosial (Algoritma Jaringan Neural yang aktif), yang pada awalnya diberi label menjadi lima kelas emosi, yaitu cinta, kesedihan, sukacita, takut, menjadi dua kelas depresi dan normal dengan nilai akurasi 86%, presisi 86%, mengingat 86% dan F1-score 86%, sementara para peneliti yang menggunakan data yang sama tanpa mengubah label pertama CNN dengan nilai akurat 89.Oster, presisi 90.1, ingat 90.3% dan F1-score 90-s.2%. Dengan perbedaan dalam pemrosesan pada stopword dan tahapan yang memancang, itu dapat mempengaruhi hasil evaluasi dengan hasil terbaik tanpa melalui stopword dan memantapkan tahap dengan akuisisi akurasi, presisi, ingat, dan f-1 skor sequential untuk IndoBERT mendapatkan 88.8%, 89.4%, 88.4%, 88.8%,8%.8%. Sementara IndoBERTweet memperoleh 92,7%, 92,2%, 92,4%. Oleh karena itu, penelitian ini menggunakan dataset yang berasal dari Twitter, yang akan digunakan untuk melatih model IndoBERT sehingga dengan dataset yang digunakan dalam penelitian sebelumnya, hasil yang memuaskan dapat diperoleh dengan model yang berbeda, dan menghasilkan kesimpulan bahwa model IndoBERTweet lebih unggul daripada IndoBERT, sementara setiap emosi klasifikasi model IndoBERT hanya unggul dalam emosi ketakutan dan cinta di bagian Recall 79.36% dibandingkan 75.26% dan 86.46% dibandingkan dengan 78.30%. Sementara keseluruhan IndoRTTET secara keseluruhan masih unggul.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,853
Tahun 2026 · Penulis: Rofii’u Nur Ilham Firdaus
Klasifikasi Emosi Netizen Menggunakan IndoBERT pada Media Sosial X Berbahasa Indonesia
Penelitian ini bertujuan untuk Mengklasifikasikan emosi netizen media sosial X berbahasa Indonesia menggunakan model IndoBERT. Fokus utama penelitian ini adalah melakukan analisis emosi netizen media sosial X dan mendapatkan hasil kinerja model IndoBERT. Studi
- Cosine 0,802
Tahun 2025 · Penulis: Cahyo Tri Nugroho
Implementasi IndoBERT dengan Data Augmentation pada Deteksi Ujaran Kebencian Bahasa Indonesia
Ujaran kebencian di media sosial merupakan salah satu permasalahan yang dapat menimbulkan dampak negatif bagi individu maupun masyarakat. Penelitian ini bertujuan untuk mengimplementasikan model IndoBERT dalam mendeteksi ujaran kebencian berbahasa Indonesia se
- Cosine 0,766
Tahun 2017 · Penulis: Vananda Rahadika
Pengukuran Indeks Kebahagiaan Menggunakan Analisis Sentimen di Media Sosial Dengan Metode Naive Bayes Classifier
Kata “kebahagiaan” seringkali menjadi sesuatu yang kabur dan sangat sulit diukur. Apabila seseorang ditanya “seberapa bahagiakah anda?”, maka jawaban yang muncul sangat beragam, karena setiap orang memiliki cara yang berbeda dalam memaknai arti kebahagiaan. Be