Perbandingan algoritma BERT dan BiLSTM dalam deteksi emosi pada teks

Majid, Nur Kholis (2026) Perbandingan algoritma BERT dan BiLSTM dalam deteksi emosi pada teks. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_Cover.pdf Download (55kB) | Preview
Preview	Text (ABSTRAK) 2_Abstrak.pdf Download (23kB) | Preview
Preview	Text (DAFTAR ISI) 3_Daftar isi.pdf Download (484kB) | Preview
Preview	Text (BAB I) 4_BAB I.pdf Download (281kB) | Preview
	Text (BAB II) 5_BAB II.pdf Restricted to Registered users only Download (467kB) | Request a copy
	Text (BAB III) 6_BAB III.pdf Restricted to Registered users only Download (148kB) | Request a copy
	Text (BAB IV) 7_BAB IV.pdf Restricted to Registered users only Download (759kB) | Request a copy
	Text (BAB V) 8_BAB V.pdf Restricted to Registered users only Download (27kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9_Daftar pustaka.pdf Restricted to Registered users only Download (164kB) | Request a copy

Abstract

Pengenalan emosi pada teks merupakan salah satu permasalahan dalam bidang Natural Language Processing (NLP) yang bertujuan untuk mengidentifikasi kategori emosi berdasarkan informasi yang terkandung dalam suatu teks. Pemilihan algoritma yang tepat diperlukan untuk memperoleh performa klasifikasi yang baik. Penelitian ini bertujuan untuk menerapkan dan membandingkan algoritma Bidirectional Encoder Representations from Transformers (BERT) dan Bidirectional Long Short-Term Memory (Bi-LSTM) dalam pengenalan emosi pada teks. Dataset yang digunakan terdiri dari data teks yang dikelompokkan ke dalam enam kategori emosi, yaitu anger, love, fear, joy, sadness, dan surprise. Tahapan penelitian meliputi preprocessing data, tokenisasi, pemodelan menggunakan BERT dan Bi-LSTM, serta evaluasi menggunakan accuracy, precision, recall, dan F1-score. Pengujian dilakukan menggunakan lima skenario pembagian data latih dan data uji, yaitu 50:50, 60:40, 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa BERT memperoleh accuracy pada rentang 92,37% hingga 93,62%, sedangkan Bi-LSTM memperoleh accuracy pada rentang 89,64% hingga 92,36%. Berdasarkan F1-score, BERT memperoleh nilai pada rentang 90,70% hingga 91,96%, sedangkan Bi-LSTM memperoleh nilai pada rentang 87,76% hingga 91,30%. Accuracy tertinggi untuk kedua algoritma diperoleh pada rasio pembagian data 80:20, yaitu 93,62% untuk BERT dan 92,36% untuk Bi-LSTM. Sementara itu, F1-score tertinggi BERT diperoleh pada rasio 70:30 sebesar 91,96%, sedangkan Bi-LSTM memperoleh F1-score tertinggi pada rasio 80:20 sebesar 91,30%. Berdasarkan hasil pengujian pada dataset dan kondisi eksperimen yang digunakan, BERT menunjukkan nilai accuracy dan F1-score yang lebih tinggi dibandingkan Bi-LSTM.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	deteksi emosi; Bert; Bilstm; perbandingan algoritma; emosi dari teks; klasifikasi emosi teks;
Subjects:	Data Processing, Computer Science Humankind > Emotion
Divisions:	Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User:	NUR KHOLIS MAJID NUR KHOLIS MAJID
Date Deposited:	23 Oct 2026 08:07
Last Modified:	23 Oct 2026 08:07
URI:	https://digilib.uinsgd.ac.id/id/eprint/144628

Actions (login required)

View Item