PERBANDINGAN ALGORITMA INDOBERT, INDOBERTWEET, DAN INDOROBERTA UNTUK KLASIFIKASI EMOSIEunique LydiaStephanyauthorPerkembangan 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.000 Ilmu komputer, informasi dan pekerjaan umum2026-02-26Universitas AMIKOM Yogyakarta;Fakultas Ilmu KomputerThesis