Fanani, Ahmad Muhlis (2026) Fine-tuning IndoBERT untuk Deteksi Sarkasme pada Komentar YouTube Berbahasa Indonesia. Masters thesis, Universitas Nasional.
![[thumbnail of COVER.pdf]](https://repository.unas.ac.id/style/images/fileicons/text.png "COVER.pdf") |
Text
COVER.pdf Download (961kB) |
|
Text
BAB I.pdf Download (392kB) |
|
Text
BAB II.pdf Download (479kB) |
|
Text
BAB III.pdf Download (604kB) |
|
Text
BAB IV.pdf Download (913kB) |
|
Text
BAB V.pdf Download (303kB) |
|
Text
BAB VI.pdf Download (252kB) |
|
Text
LAMPIRAN.pdf Download (1MB) |
Abstract
Sarkasme merupakan bentuk komunikasi tidak langsung yang menyampaikan kritik
atau ejekan melalui ungkapan yang tampak positif atau netral, namun menyimpan makna berlawanan secara pragmatik. Dalam konteks digital, sarkasme menjadi fenomena umum terutama dalam komentar di media sosial seperti YouTube, yang memiliki 143 juta pengguna di Indonesia atau sekitar 50% dari total populasi. Sifat implisit dan multitafsir dari sarkasme menjadikannya tantangan signifikan bagi sistem pemrosesan bahasa alami, terutama dalam tugas analisis sentimen dan moderasi konten.
Penelitian ini bertujuan untuk mengembangkan model deteksi sarkasme yang efektif untuk komentar YouTube berbahasa Indonesia menggunakan pendekatan fine-tuning pada model pralatih IndoBERT (IndoNLU dan IndoLEM), serta mengevaluasi efektivitas berbagai strategi mitigasi ketidakseimbangan kelas. Dataset yang digunakan terdiri dari 5.291 komentar YouTube yang telah melalui tahapan preprocessing dan pelabelan otomatis menggunakan GPT-4o berdasarkan kriteria sarkasme yang telah didefinisikan.
Hasil penelitian menunjukkan bahwa pendekatan fine-tuning model IndoBERT terbukti efektif dalam membangun sistem deteksi sarkasme. Evaluasi strategi mitigasi ketidakseimbangan kelas menunjukkan bahwa teknik under sampling memberikan performa terbaik pada kelas sarkasme dengan F1-score tertinggi (0.6568 untuk IndoLEM dan 0.6499 untuk IndoNLU). Perbandingan varian IndoBERT menunjukkan bahwa IndoNLU memberikan performa yang lebih stabil dan seimbang dibandingkan IndoLEM yang cenderung melakukan over-prediction pada kelas sarkasme. Evaluasi perbandingan antara pendekatan zero-shot dan fine- tuning menunjukkan peningkatan performa yang signifikan setelah fine-tuning, dengan peningkatan F1-score sarkasme sebesar 303% untuk IndoNLU dan 87% untuk IndoLEM. Penelitian ini juga menghasilkan kontribusi dataset komentar YouTube berbahasa Indonesia yang telah dilabeli sarkasme dan non-sarkasme, yang telah dipublikasikan secara terbuka melalui Zenodo (DOI: https://doi.org/10.5281/zenodo.18803877) dan dapat digunakan untuk penelitian lanjutan maupun pengembangan sistem moderasi komentar otomatis. Temuan ini membuktikan bahwa meskipun model bahasa pralatih memiliki pengetahuan linguistik yang luas, tugas yang spesifik dan kompleks seperti deteksi sarkasme tetap membutuhkan fine-tuning dengan data domain-spesifik untuk mencapai performa yang memadai.
| Item Type: | Thesis (Masters) |
|---|---|
| Uncontrolled Keywords: | deteksi sarkasme, IndoBERT, fine-tuning, ketidakseimbangan kelas, komentar YouTube, pemrosesan bahasa alami, dataset Bahasa Indonesia |
| Subjects: | Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA76 Computer software |
| Divisions: | Tesis dan Disertasi > Sekolah Pasca Sarjana > Program Studi S2 Teknologi Informasi |
| Depositing User: | Delvy Aplirizani - |
| Date Deposited: | 16 Jul 2026 03:45 |
| Last Modified: | 16 Jul 2026 03:58 |
| URI: | https://repository.unas.ac.id/id/eprint/17095 |
Actions (login required)
 |
View Item |
