Publisher

UNESAUNESA

Journal Journal of Informatics and Computer Science (JINACS)Journal of Informatics and Computer Science (JINACS) Abstract

Media sosial, khususnya X, sering memuat ujaran sarkastik yang sulit dikenali tanpa pemahaman konteks. Penelitian ini bertujuan mendeteksi sarkasme pada teks berbahasa Indonesia di X menggunakan model berbasis transformer XLNet. Data diambil dari Hugging Face dan melalui preprocessing untuk memastikan konsistensi. Kemudian, data dibagi ulang menjadi tiga skenario yaitu 70:15:15, 60:20:20, dan 80:10:10. Model dilatih (fine-tuning) dengan variasi learning rate, batch size, dropout, sequence length, dan epoch. Pemilihan kandidat mempertimbangkan macro-F1 dan recall pada label sarkasme. Hasil menunjukkan pada skenario 70:15:15, XLNet percobaan ke-17 menjadi model terbaik pada penelitian ini, meraih Accuracy 0.81 dan Macro-F1 0.81 dan pada classification report pada label non-sarkasme memeroleh Precision 0.82, Recall 0.78, dan F1-Score 0.80. Lalu, pada label sarkasme memperoleh Precision 0.79, Recall 0.83, F1-Score 0.81). Temuan ini diharapkan menjadi referensi pengembangan sistem analisis opini atau ujaran sarkastik pada platform media sosial di Indonesia.

Conclusion

Berdasarkan hasil penelitian, model XLNet berhasil membentuk pipeline deteksi sarkasme pada teks berbahasa Indonesia melalui tahapan preprocessing dan tokenisasi yang memungkinkan model menangkap konteks secara lebih efektif.Model menunjukkan kemampuan klasifikasi yang baik dalam membedakan sarkasme dan non-sarkasme, dengan performa yang lebih stabil pada label sarkasme yang umumnya sulit dikenali dalam analisis sentimen konvensional.Selain itu, fine-tuning menunjukkan bahwa pemilihan eksperimen di atas UCAPAN TERIMA KASIH Peneliti menyampaikan puji syukur kepada Tuhan Yang Maha Esa atas rahmat dan karunia-Nya sehingga penelitian dan penulisan artikel ilmiah ini dapat diselesaikan dengan baik.Peneliti juga mengucapkan terima kasih kepada Dosen Pembimbing dan Koordinator Program Studi atas bimbingan, arahan, dan masukan yang diberikan selama proses penelitian berlangsung.Ucapan terima kasih turut disampaikan kepada orang tua, keluarga, serta rekan-rekan di Jurusan Teknik Informatika angkatan 2021 yang senantiasa memberikan dukungan, bantuan, dan motivasi hingga penelitian ini dapat diselesaikan dengan lancar.

Future Research

Untuk penelitian selanjutnya, perlu diperluas data yang digunakan, tidak hanya dari Twitter atau X, tetapi juga dari Instagram, TikTok, atau media sosial lainnya. Menentukan periode waktu yang lebih beragam juga dapat memperkuat model dalam menghadapi berbagai bentuk gaya bahasa. Selain itu, dapat dicoba model transformer lain seperti IndoRoBERTa, RoBERTa, DistilBERT, atau hybrid head seperti BiGRU atau BiLSTM untuk membandingkan akurasi dan efisiensi, terutama pada label sarkasme yang sulit dipahami. Penelitian lanjutan juga dapat fokus pada pengembangan sistem analisis opini atau ujaran sarkastik yang lebih akurat dan mendalam, dengan mempertimbangkan aspek-aspek seperti konteks, budaya, dan nuansa linguistik lokal.

References

1. Sarcasm Detection Engine for Twitter Sentiment Analysis using Textual and Emoji Feature | Jurnal Ilmu... jiki.cs.ui.ac.id/index.php/jiki/article/view/812Sarcasm Detection Engine for Twitter Sentiment Analysis using Textual and Emoji Feature Jurnal Ilmu jiki cs ui ac index php jiki article view 812

Metadata

File size	529.02 KB
Pages	6
DMCA	Report