Pengaruh Term Frequency-Inverse Gravity Moment (TF-IGM) dalam meningkatkan akurasi deteksi emosi dari teks pada unggahan pengguna Threads menggunakan IndoBERT

Firmansyah, Reski (2025) Pengaruh Term Frequency-Inverse Gravity Moment (TF-IGM) dalam meningkatkan akurasi deteksi emosi dari teks pada unggahan pengguna Threads menggunakan IndoBERT. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (284kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (300kB) | Preview
Preview	Text (SURAT PERNYATAAN KARYA SENDIRI) 3_pernyataanbebasplagiarisme.pdf Download (115kB) | Preview
Preview	Text (DAFTAR ISI) 4_daftarisi.pdf Download (348kB) | Preview
Preview	Text (BAB I) 5_bab1.pdf Download (335kB) | Preview
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (719kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (458kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (5MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (293kB) | Request a copy
	Text (DAFTAR ISI) 10_daftarisi.pdf Restricted to Registered users only Download (271kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Pemilihan metode pembobotan kata berperan krusial dalam meningkatkan performa model deteksi emosi pada teks, khususnya karena dapat berdampak langsung terhadap akurasi. Namun, penerapan pembobotan kata masih terbatas pada metode konvensional dan belum banyak dieksplorasi dalam kombinasi dengan model transformer berbahasa Indonesia seperti IndoBERT, terutama untuk deteksi emosi pada platform baru seperti Threads. Penelitian ini bertujuan untuk menguji efektivitas metode TF-IGM dalam meningkatkan akurasi deteksi emosi dari teks pada unggahan pengguna Threads dengan menggunakan model IndoBERT. Data didapatkan melalui proses scraping, pelabelan berbasis Roda Emosi Plutchik, dan pembagian data menjadi data latih, validasi, dan uji. Hasil menunjukkan bahwa kombinasi IndoBERT dan TF-IGM dengan λ = 9.0 pada pembagian data 80:10:10 menghasilkan akurasi tertinggi sebesar 91,11%. Temuan ini menunjukkan bahwa TF-IGM terbukti dapat meningkatkan akurasi deteksi emosi teks dan menjadi alternatif pembobotan kata yang kompetitif dalam deteksi emosi berbasis transformer, serta membuka peluang eksplorasi lebih lanjut terhadap kombinasi teknik pembobotan kata dengan arsitektur model yang lebih kompleks.

Actions (login required)

View Item