eprintid: 33175
rev_number: 15
eprint_status: archive
userid: 12
dir: disk0/00/03/31/75
datestamp: 2026-10-06 06:57:37
lastmod: 2026-10-06 06:57:37
status_changed: 2026-10-06 06:57:37
type: thesis
metadata_visibility: show
creators_name: Stephany, Eunique Lydia
creators_nim: 22.11.4545
contributors_name: Sasongko, Theopilus Bayu
corp_creators: Universitas AMIKOM Yogyakarta
title: PERBANDINGAN ALGORITMA INDOBERT,
INDOBERTWEET, DAN INDOROBERTA UNTUK
KLASIFIKASI EMOSI
ispublished: pub
subjects: 000.000.000A
divisions: if
full_text_status: restricted
keywords: Klasifikasi Emosi, Natural Language Processing, Transformer,
Model Berbasis BERT, Bahasa Indonesia, Emotion Classification, BERT-based Models, Indonesian Language.
abstract: 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.
date: 2026-02-26
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: Fakultas Ilmu Komputer
thesis_type: bachelor
thesis_name: skripsi
citation:   Stephany, Eunique Lydia  (2026) PERBANDINGAN ALGORITMA INDOBERT, INDOBERTWEET, DAN INDOROBERTA UNTUK KLASIFIKASI EMOSI.  S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/33175/1/COVER.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/2/BAB%20I.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/3/BAB%20II.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/4/BAB%20III.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/5/BAB%20IV.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/6/BAB%20V.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/7/Daftar%20Pustaka%20dan%20Lampiran.pdf
document_url: https://eprints.amikom.ac.id/id/eprint/33175/8/Sourcecode%20-%2022.11.4545.zip
document_url: https://eprints.amikom.ac.id/id/eprint/33175/9/Publikasi.pdf