Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Lazuardi, Muhammad Dzakwan Bintang
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
Journal : Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

 1 
Klasifikasi Emosi Multikelas Berbasis Teks Bahasa Indonesia Menggunakan IndoRoBERTa Lazuardi, Muhammad Dzakwan Bintang; Fatyanosa, Tirana Noor; Marji
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer Vol 9 No 9 (2025): September 2025
Publisher : Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya

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

Abstract

Revolusi digital telah mengubah pola komunikasi manusia secara signifikan. Pada 2025, diperkirakan 5,56 miliar orang akan menggunakan internet, dengan lebih dari 76,9% populasi dunia aktif di media sosial. Media sosial kini menjadi platform utama untuk ekspresi emosi dan opini, terutama di WhatsApp, Instagram, TikTok, dan X (Twitter). Namun, tantangan yang dihadapi adalah keragaman ekspresi emosi yang diekspresikan dalam teks menggunakan berbagai bahasa. Penelitian ini memanfaatkan IndoRoBERTa, model transformer yang diadaptasi untuk Bahasa Indonesia, untuk klasifikasi emosi multikelas pada teks berbahasa Indonesia, dengan kategori emosi seperti anger, fear, joy, love, sad, dan neutral. Data yang digunakan berasal dari gabungan dua dataset publik, yang telah diproses melalui tahapan preprocessing, balancing kelas, dan pembagian data secara stratified untuk menjaga proporsi label emosi. Model IndoRoBERTa dioptimalkan menggunakan fine-tuning dan Optuna untuk pencarian konfigurasi hyperparameter optimal, termasuk batch size, learning rate, dan dropout. Evaluasi model menggunakan metrik accuracy, precision, recall, F1-score, dan confusion matrix, yang menunjukkan macro F1-score sebesar 0,70 pada data uji. Model ini berhasil mengklasifikasikan emosi mayoritas dengan baik, meskipun menghadapi tantangan dalam membedakan kelas neutral dan sad. Penelitian ini memberikan kontribusi dalam pengembangan sistem klasifikasi emosi berbasis teks untuk Bahasa Indonesia, dengan potensi penerapan pada analisis opini publik, monitoring media sosial, dan pengembangan chatbot.
Co-Authors Marji Tirana Noor Fatyanosa, Tirana Noor