Deteksi Sarkasme pada Judul Berita Menggunakan Model BERT

Abysha Polla, Marvel (2026) Deteksi Sarkasme pada Judul Berita Menggunakan Model BERT. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (9MB)
	PDF BAB_I.pdf Download (209kB)
	PDF BAB_II.pdf Download (230kB)
	PDF BAB_III.pdf Download (255kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (341kB)
	PDF BAB_V.pdf Download (201kB)
	PDF DAFTAR_PUSTAKA.pdf Download (207kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (306kB)

Abstract

Perkembangan media digital mempercepat penyebaran informasi dan opini, dimana sarkasme sering digunakan untuk menyampaikan kritik secara implisit. Sarkasme merupakan ujaran yang bermakna berlawanan dengan arti literalnya dan kerap ditemukan dalam komunikasi tertulis, termasuk headline berita. Tidak seperti komunikasi lisan yang didukung konteks nonverbal, sarkasme dalam teks sulit diidentifikasi sehingga berpotensi menimbulkan ambiguitas, kesalahpahaman, dan disinformasi. Oleh karena itu, deteksi sarkasme secara otomatis menjadi penting untuk mendukung pemahaman sentimen yang lebih akurat dalam teks berita. Penelitian ini mengusulkan pendekatan deteksi sarkasme menggunakan Bidirectional Encoder Representations from Transformers (BERT) yang difinetune pada dataset sarkasme berlabel. BERT merupakan model bahasa berbasis Transformer encoder yang mampu menangkap konteks dua arah melalui mekanisme self-attention, sehingga efektif dalam memahami nuansa linguistik sarkasme. Hasil pengujian menunjukkan bahwa model berbasis BERT mencapai akurasi sebesar 86,5485% pada data pengujian, yang mengindikasikan bahwa pendekatan menggunakan model BERT efektif dalam mendeteksi sarkasme pada headline berita.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Abysha Polla, Marvel (00000041628)
Contributors:	Waworuntu, Alexander
Keywords:	(BERT, Headline Berita, Sarkasme)
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	28 Jan 2026 08:02
URI:	https://kc.umn.ac.id/id/eprint/44191

Actions (login required)

View Item