KLASIFIKASI EMOSI PADA DATA TEKS PIDATO POLITIK MENGGUNAKAN METODE RoBERTa



Saputro, Safitri Ramadhayanti (2025) KLASIFIKASI EMOSI PADA DATA TEKS PIDATO POLITIK MENGGUNAKAN METODE RoBERTa. Undergraduate thesis, UNIVERSITAS MUHAMMADIYAH JEMBER.

[thumbnail of A. PENDAHULUAN.pdf] Text
A. PENDAHULUAN.pdf

Download (655kB)
[thumbnail of B. ABSTRAK.pdf] Text
B. ABSTRAK.pdf

Download (282kB)
[thumbnail of C. BAB I.pdf] Text
C. BAB I.pdf

Download (263kB)
[thumbnail of D. BAB II.pdf] Text
D. BAB II.pdf
Restricted to Repository staff only

Download (474kB) | Request a copy
[thumbnail of E. BAB III.pdf] Text
E. BAB III.pdf
Restricted to Repository staff only

Download (624kB) | Request a copy
[thumbnail of F. BAB IV.pdf] Text
F. BAB IV.pdf
Restricted to Repository staff only

Download (770kB) | Request a copy
[thumbnail of G. BAB V.pdf] Text
G. BAB V.pdf
Restricted to Repository staff only

Download (313kB) | Request a copy
[thumbnail of H. DAFTAR PUSTAKA.pdf] Text
H. DAFTAR PUSTAKA.pdf

Download (459kB)
[thumbnail of I. LAMPIRAN.pdf] Text
I. LAMPIRAN.pdf
Restricted to Repository staff only

Download (228kB) | Request a copy

Abstract

Analisis emosi dalam teks merupakan salah satu cabang penting dalam Natural Language Processing (NLP), khususnya dalam memahami pesan tersirat pada pidato politik. Pidato politik tidak hanya menyampaikan informasi, tetapi juga emosi yang bertujuan membentuk opini publik. Penelitian ini memanfaatkan model RoBERTa untuk mengklasifikasikan emosi dalam pidato Presiden Joko Widodo selama periode 2014–2024. Data diperoleh dari transkrip video resmi, menghasilkan 2952 paragraf yang telah dilabeli secara otomatis menggunakan model pre-trained `Indonesian-roberta-base-emotion-classifier`. Proses preprocessing dilakukan melalui tahapan cleaning, lowercasing, tokenisasi, dan one-hot encoding. Selanjutnya, model RoBERTa dilakukan fine-tuning menggunakan batch size 16, learning rate 1e-5, dan 3 epoch. Evaluasi performa dilakukan dengan confusion matrix dan metrik akurasi, presisi, recall, dan F1-score. Hasil menunjukkan model mampu mengklasifikasikan lima emosi (anger, fear, happy, love, dan sadness) dengan akurasi 90%. Temuan ini menunjukkan bahwa RoBERTa efektif digunakan untuk klasifikasi emosi dalam teks pidato politik berbahasa Indonesia dan memberikan kontribusi terhadap pengembangan NLP dalam konteks komunikasi politik.

Kata kunci: Bahasa Indonesia, Fine-Tuning, Klasifikasi Emosi, Natural Language Processing, Pidato Politik, RoBERTa

Contribution
Nama Dosen Pembimbing
NIDN/NIDK
Dosen Pembimbing
Arifianto, Deni
NIDN0718068103
Dosen Pembimbing
Cahyanto, Triawan Adi
NIDN0702098804

Item Type: Thesis (Undergraduate)
Keywords/Kata Kunci: Kata kunci: Bahasa Indonesia, Fine-Tuning, Klasifikasi Emosi, Natural Language Processing, Pidato Politik, RoBERTa
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User: Safitri Ramadhayanti Saputro | safitriramadhyanti@gmail.com
Date Deposited: 22 Aug 2025 02:20
Last Modified: 22 Aug 2025 02:20
URI: http://repository.unmuhjember.ac.id/id/eprint/27305

Actions (login required)

View Item View Item