Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Julian Syaputra, Rangga
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Education Electrical & Electronics Engineering Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Multimodal dan Deteksi Rumor Menggunakan TOMBERT Dengan Explainability Berbasis Prompt GPT Julian Syaputra, Rangga; Yudistira, Novanto; Wahyu Widodo, Agus
Jurnal Pengembangan Teknologi dan Ilmu Komputer Vol 10 No 5 (2026): Mei 2026
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Penyebaran informasi di media sosial yang sangat cepat meningkatkan risiko munculnya misinformasi dan rumor, sehingga diperlukan metode deteksi yang akurat dan efektif. Analisis sentimen multimodal merupakan pendekatan yang menggabungkan data teks dan gambar untuk memahami opini secara lebih komprehensif dibandingkan metode berbasis teks saja. Penelitian ini bertujuan membandingkan kinerja TF-IDF + Support Vector Machine (SVM), TOMBERT, dan Graph Neural Network (GNN) pada dataset Twitter15, serta menerapkan Explainable Artificial Intelligence (XAI) untuk meningkatkan interpretabilitas model. Hasil eksperimen menunjukkan bahwa GNN memperoleh akurasi tertinggi sebesar 88.04%, namun TOMBERT memberikan performa paling seimbang dengan akurasi 86.08% dan F1-Score sebesar 81.29%, yang menunjukkan kemampuannya dalam memahami hubungan antara teks dan gambar. GNN juga mampu meningkatkan deteksi kelas minoritas dengan Macro F1-Score sebesar 57.02% dan rumor F1-Score sebesar 20.51%. Sebaliknya, TF-IDF + SVM hanya mencapai akurasi sebesar 64.13%, yang menunjukkan keterbatasan dalam menangani data multimodal dan ketidakseimbangan kelas. Selain itu, implementasi XAI menggunakan GPT yang dikombinasikan dengan caption gambar dari BLIP mampu memberikan penjelasan yang lebih transparan terhadap prediksi model. Penelitian ini menyimpulkan bahwa pendekatan multimodal berbasis deep learning lebih efektif dibandingkan metode klasik, serta teknik optimasi yang diterapkan mampu meningkatkan performa deteksi pada kelas minoritas.
Co-Authors Agus Wahyu Widodo Novanto Yudistira