%0 Thesis
%9 S1 - Sarjana
%A Stephany, Eunique Lydia
%A Universitas AMIKOM Yogyakarta,
%B Fakultas Ilmu Komputer
%D 2026
%F universitasamikomyogyakarta:33175
%I Universitas AMIKOM Yogyakarta
%K Klasifikasi Emosi, Natural Language Processing, Transformer,  Model Berbasis BERT, Bahasa Indonesia, Emotion Classification, BERT-based Models, Indonesian Language.
%T PERBANDINGAN ALGORITMA INDOBERT,  INDOBERTWEET, DAN INDOROBERTA UNTUK  KLASIFIKASI EMOSI
%U https://eprints.amikom.ac.id/id/eprint/33175/
%X Perkembangan komunikasi digital yang pesat di Indonesia menyebabkan  meningkatnya ekspresi emosi masyarakat dalam bentuk teks pada media sosial.  Namun, pengolahan dan pemahaman emosi secara otomatis masih menjadi  tantangan karena kompleksitas konteks bahasa dan variasi ekspresi pengguna.  Selain itu, penelitian sebelumnya umumnya menggunakan satu model Transformer  atau melakukan optimasi model tertentu tanpa melakukan perbandingan langsung  antar model bahasa Indonesia secara komprehensif. Permasalahan ini berdampak  pada keterbatasan dalam memetakan respons emosional publik yang dapat  dimanfaatkan untuk analisis opini, pengambilan keputusan, maupun  pengembangan sistem cerdas. Penelitian ini bertujuan untuk menganalisis dan  membandingkan kinerja tiga model Transformer berbasis Bahasa Indonesia, yaitu  IndoBERT, IndoBERTweet, dan IndoRoBERTa, dalam tugas klasifikasi enam  emosi dasar. Metode yang digunakan meliputi preprocessing data, pembagian  dataset menggunakan skema holdout dan k-fold cross validation, hingga modelling  algorithm dengan konfigurasi standar  serta weight decay, dan early stopping.  Evaluasi dilakukan menggunakan accuracy, precision, recall, dan macro F1-score.  Hasil penelitian menunjukkan bahwa ketiga model mampu melakukan klasifikasi  emosi dengan performa yang baik, terutama IndoBERTweet dengan skema k-fold  dengan nilai k = 5 dan fold 2 mendapatkan akurasi sebesar 80,3%, presisi sebesar  80,47%, recall sebesar 81,89%, dan macro f1-score sebesar 80,99%. Penelitian ini  berkontribusi dalam memberikan perbandingan empiris model bahasa Indonesia  untuk klasifikasi emosi teks dan dapat dimanfaatkan oleh peneliti, praktisi NLP,  maupun pengembang sistem analisis media sosial.