FEBRIWANTORO, BERLYANDHICA ALAM (2025) IMPLEMENTASI MODEL TRANSFORMER INDOBERT DAN BIDIRECTIONAL GATED RECURRENT UNIT (BIGRU) UNTUK DETEKSI EMOSI PADA TEKS BAHASA INDONESIA. Other thesis, UPN VJurueteran Yogyakarta.
![]() |
Text
COVER_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Download (94kB) |
![]() |
Text
ABSTRAK_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Download (82kB) |
![]() |
Text
PENGESAHAN PEMBIMBING_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Download (33kB) |
![]() |
Text
PENGESAHAN PENGUJI_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Download (42kB) |
![]() |
Text
DAFTAR ISI_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Download (54kB) |
![]() |
Text
DAFTAR PUSTAKA_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Download (163kB) |
![]() |
Text
SKRIPSI FULLTEXT_123210060_BERLYANDHICA ALAM FEBRIWANTORO.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Emosi merupakan respons psikologis yang muncul akibat situasi tertentu dan
memengaruhi aspek fisiologis, kognitif, serta perilaku seseorang. Deteksi emosi
menawarkan berbagai manfaat dalam proses pengambilan keputusan, termasuk dalam
bidang pendidikan, bisnis, perekrutan karyawan, dan psikologi. Dengan kemajuan
teknologi digital, masyarakat dapat dengan mudah mengekspresikan opini mereka melalui
media sosial dan blog, seperti Twitter, yang memungkinkan analisis teks untuk mendeteksi
emosi pengguna terhadap isu atau konteks tertentu. Penelitian ini bertujuan untuk
mengembangkan sistem deteksi emosi pada teks berbahasa Indonesia dengan
mengombinasikan model transformer IndoBERT dengan Bidirectional Gated Recurrent
Unit (BiGRU). Selain itu, dilakukan eksperimen terhadap parameter unit BiGRU untuk
mendapatkan performa terbaik.
Dataset yang digunakan dalam penelitian ini diperoleh dari GitHub dan disusun oleh
Riccosan et al. (2022), yang terdiri dari 7.080 tweet berbahasa Indonesia yang diberi label
dengan enam kategori emosi: marah, takut, senang, cinta, sedih, dan netral. Dataset ini
melalui tahap preprocessing dan kemudian dibagi menjadi training dan testing data
dengan rasio 80:20 sebelum dimasukkan ke dalam model.
Hasil menunjukkan bahwa kombinasi IndoBERT dan BiGRU dengan nilai parameter
unit yang tepat meningkatkan akurasi deteksi emosi dibandingkan dengan penggunaan
IndoBERT secara tunggal. Berdasarkan eksperimen, konfigurasi terbaik dicapai dengan
nilai unit BiGRU sebesar 128, yang menghasilkan akurasi sebesar 85,72% pada testing
data dan 90,57% pada training data. Selain itu, model juga menunjukkan performa yang
kuat dengan presisi sebesar 85,96%, recall sebesar 85,72%, dan f1-score sebesar 85,67%.
Kata Kunci: Deteksi Emosi, Pemrosesan Bahasa Alami, Model Transformer, IndoBERT,
Bidirectional Gated Recurrent Unit (BiGRU).
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | Deteksi Emosi, Pemrosesan Bahasa Alami, Model Transformer, IndoBERT, Bidirectional Gated Recurrent Unit (BiGRU). |
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science |
Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
Depositing User: | A.Md Eko Suprapti |
Date Deposited: | 04 Jul 2025 06:26 |
Last Modified: | 04 Jul 2025 06:26 |
URI: | http://eprints.upnyk.ac.id/id/eprint/42937 |
Actions (login required)
![]() |
View Item |