Implementasi Teks Klasifikasi Hate Speech Bahasa Indonesia dengan Fine-Tuning Model Bahasa BLOOM

Sebastian, Richard (2023) Implementasi Teks Klasifikasi Hate Speech Bahasa Indonesia dengan Fine-Tuning Model Bahasa BLOOM. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

Preview	PDF HALAMAN_AWAL.pdf Download (1MB) | Preview
Preview	PDF DAFTAR_PUSTAKA.pdf Download (204kB) | Preview
Preview	PDF BAB_I.pdf Download (207kB) | Preview
Preview	PDF BAB_II.pdf Download (221kB) | Preview
Preview	PDF BAB_III.pdf Download (398kB) | Preview
	PDF BAB_IV.pdf Restricted to Registered users only Download (635kB)
Preview	PDF BAB_V.pdf Download (202kB) | Preview
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (1MB)

Abstract

Klasifikasi teks beberapa tahun ke belakang masih menjadi topik penelitian yang cukup banyak diteliti, salah satu objek yang diteliti adalah hate speech. Klasifikasi teks dilakukan untuk menentukan jenis teks yang ada termasuk ke dalam kategori hate speech atau tidak . Dalam penelitian ini Klasifikasi teks menggunakan salah satu large language model terbaru yaitu BLOOM yang diciptakan pada tahun 2023. BLOOM adalah sebuah pre-trained model yang memiliki 176 miliar language parameter dalam 46 bahasa natural dan 13 bahasa pemrograman. Model BLOOM sebelum di-implementasikan akan melalui proses fine-tuning untuk meningkatkan performanya dalam melakukan klasifikasi teks. Berdasarkan hasil pengujian yang telah dilakukan performa terbaik model BLOOM didapat dengan metrik evaluasi accuracy 88.35%, precision 84.25%, recall 87.93%, dan f1-score 88.17%.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	BLOOM, fine-tuning, hate speech, klasifikasi teks, natural language processing
Subjects:	000 Computer Science, Information and General Works > 000 Computer Science, Knowledge and Systems > 006 Special Computer Methods > 006.3 Artificial Intelligence, Machine Learning, Pattern Recognition, Data Mining
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	03 Jul 2023 09:46
Last Modified:	25 Aug 2023 07:07
URI:	https://kc.umn.ac.id/id/eprint/25549

Actions (login required)

View Item