Deteksi Sarkasme pada Komentar Reddit Menggunakan Model BERT

Putra Roberto, Kenta (2026) Deteksi Sarkasme pada Komentar Reddit Menggunakan Model BERT. Bachelor Thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Restricted to Registered users only Download (986kB)
	PDF BAB_I.pdf Download (210kB)
	PDF BAB_II.pdf Download (240kB)
	PDF BAB_III.pdf Restricted to Registered users only Download (234kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (332kB)
	PDF BAB_V.pdf Restricted to Registered users only Download (205kB)
	PDF DAFTAR_PUSTAKA.pdf Restricted to Registered users only Download (212kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (460kB)
	Archive (ZIP) 00000067710_2521_LembarPengesahan.pdf Restricted to Registered users only Download (64kB)

Abstract

Sarkasme merupakan komunikasi yang menyampaikan makna berlawanan dari kata-kata yang diucapkan, sehingga sulit dideteksi secara otomatis, termasuk pada komentar di platform Reddit. Penelitian ini bertujuan untuk mendeteksi sarkasme pada komentar Reddit menggunakan model BERT (Bidirectional Encoder Representations from Transformers). Model yang digunakan adalah bert-base- uncased yang telah melalui tahap pre-training, kemudian dilakukan fine-tuning menggunakan dataset SARC (Self-Annotated Reddit Corpus) yang berjumlah 1.010.826 baris data. Setelah melalui tahap preprocessing, jumlah data yang digunakan untuk proses fine-tuning menjadi 1.010.771 baris data. Proses fine- tuning dilakukan dengan panjang token 128, learning rate 2e-5, batch size 32, dan 3 epoch. Hasil penelitian menunjukkan model mencapai validation accuracy sebesar 78,26% dan testing accuracy sebesar 77,79%, dengan nilai precision, recall, dan F1-score masing-masing sebesar 0,78. Ditemukan pula indikasi overfitting pada epoch ketiga, yang diatasi dengan menyimpan model berdasarkan validation accuracy terbaik. Hasil penelitian menunjukkan bahwa model BERT mampu mendeteksi sarkasme pada komentar Reddit dengan nilai testing accuracy sebesar 77,79%, precision 0,78, recall 0,78, dan F1-score 0,78 yang seimbang pada kedua kelas, menunjukkan bahwa model tidak memiliki kecenderungan untuk mengklasifikasikan data ke salah satu kelas secara berlebihan.

Item Type:	Thesis (Bachelor Thesis)
Creators:	Putra Roberto, Kenta (00000067710)
Contributors:	Harsono, Eka Jaya
Keywords:	Bert, Komentar Reddit, Sarkasme
Subjects:	000 Computer Science, Information and General Works
Divisions:	Faculty of Engineering & Informatics > Informatics
Date Deposited:	28 Jul 2026 12:00
URI:	https://kc.umn.ac.id/id/eprint/48327

Actions (login required)

View Item