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/123456789/14210
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
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 menunjukkan bahwa IndoBERT unggul dalam pelatihan menggunakan Bahasa Indonesia, meskipun memiliki arsitektur serupa dengan BERT karena mencangkup sekitar 4 miliar kata dan 250 juta kalimat, dan menggunakan jenis penelitian IndoBERTweet yang dioptimalkan lebih lanjut untuk data Twitter berbahasa Indonesia, menunjukkan potensi signifikan dalam tugas klasifikasi emosi, meskipun beberapa penelitian mencatat bahwa kinerja IndoBERT .Evaluasi dilakukan dengan menggunakan conffusion matrix yang terdiri dari 4 jenis nilai yaitu TP (True Positive), TN (True Negative), FP (False Positive), dan FN (False Negative). Nilai-nilai tersebut kemudian digunakan untuk menganalisis hasil kerja model dengan menghitung nilai accuracy, precision, recall, dan f1-score. Ekperimen menunjukkan bahwa IndoBERT menampilkan confusion matrix yang menunjukkan bahwa model mampu memprediksi emosi marah sebesar 120 dari 165 data namun model sedikit kesulitan untuk memisahkan antara marah dan sedih dimana 25 data sedih salah diprediksi sebagai marah dan 20 data marah salah diprediksi sebagai sedih, model juga salah dalam memprediksi data senang sebagai sedih sebanyak 23 data. Sedangkan IndoBERTweet cenderung lebih baik dalam mengidentifikasi label emosi senang dengan prediksi data benar 129 data dari 152 data namun model juga salah dalam memprediksi data sedih sebagai data senang sebanyak 25 data. Berdasarkan hasil tersebut, dapat disimpulkan masing klasifikasi emosi pada model IndoBERT hanya unggul pada emosi takut dan cinta di bagian Recall 79.36% berbanding 75.26% dan 86.46% berbanding 78.30%. sedangkan untuk keseluruhan masih tetap unggul IndoBERTweet.
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
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 ber
- Cosine 0,784
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,764
Tahun 2025 · Penulis: Fadian Dustin Siswapranata
Tindak Tutur Ekspresif Pada Kolom Komentar Postingan Akun Instagram @ufcindonesia “Belum Rezeki. Tetap Semangat Jeka! #UFC316”
Penelitian ini berfokus pada bentuk dan fungsi tindak tutur ekspresif dalam kolom komentar postingan Instagram @ufcindonesia yang menampilkan cuplikan kekalahan Jeka Saragih. Dalam kajian ini dijabarkan bentuk tindak tutur ekspresif dan dihubungkan dengan fung