<![CDATA[Perkembangan teknologi digital telah mempercepat pertumbuhan komunikasi berbasis teks, khususnya di media sosial yang menjadi ruang utama bagi pengguna dalam mengekspresikan emosi. Dalam konteks ini, deteksi emosi berbasis teks menjadi penting untuk berbagai keperluan, seperti analisis opini, sistem interaksi cerdas, dan pemantauan psikologis. Penelitian ini mengusulkan pemanfaatan model RoBERTa untuk klasifikasi emosi multikelas dalam teks berbahasa Inggris, dengan enam label utama: sadness, joy, love, anger, fear, dan surprise. Data penelitian berasal dari dataset publik dengan 20.000 entri, yang diproses melalui tahapan preprocessing dan tokenisasi. Model RoBERTa kemudian di-fine-tune dengan konfigurasi hyperparameter optimal yang diperoleh melalui proses penyetelan sistematis, termasuk pengaturan learning rate, batch size, epoch, dan weight decay. Evaluasi model dilakukan dengan metrik accuracy, precision, recall, dan F1-score, baik pada data pelatihan maupun pengujian. Hasil eksperimen menunjukkan bahwa model mampu menghasilkan klasifikasi emosi yang akurat dan stabil, serta menunjukkan performa generalisasi yang baik tanpa indikasi overfitting. Temuan ini mengonfirmasi bahwa RoBERTa merupakan model yang efektif untuk tugas deteksi emosi dalam teks dan layak dikembangkan lebih lanjut untuk aplikasi NLP berbasis kecerdasan buatan.]]>
Copyrights © 2026
