View/Open

Author
KAYLA, CHIKA LATHISYA

Date Published
26 Jun 2026

Advisor
Winda Yulita, M.Cs.,
Miranti Verdiana, M.Si.,

Subject
Teknik Informatika

Publisher

Sarkasme pada tweet berbahasa Indonesia sulit dideteksi karena maknanya sering berlawanan dengan ungkapan literal dan sangat bergantung pada konteks, sehingga dapat menyesatkan proses klasifikasi teks. Penelitian membandingkan kinerja BiLSTM dan GRU berbasis Word2Vec Skip-Gram dalam klasifikasi biner tweet sarkasme dan non-sarkasme. Dataset awal berjumlah 12.861 data, Karena data memiliki ketidakseimbangan kelas, dilakukan pembentukan balanced subset sehingga diperoleh 1.342 data, terdiri dari 671 data sarkasme dan 671 data non-sarkasme. Data dibagi menjadi train, validation, dan test dengan rasio 70:10:20. Setelah prapemrosesan dan penghapusan teks kosong, data final terdiri dari 938 data train, 134 data validation, dan 269 data test. Tahapan penelitian meliputi prapemrosesan teks, tokenisasi, padding dan truncating, pembentukan embedding Word2Vec Skip-Gram, pelatihan model, dan evaluasi menggunakan confusion matrix, accuracy, balanced accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model BiLSTM terbaik diperoleh pada skenario S2 dengan accuracy 78,07%, balanced accuracy 78,10%, precision 73,58%, recall 87,31%, dan F1-score 79,86%. Sementara itu, model GRU terbaik juga diperoleh pada skenario S2 dengan accuracy 76,21%, balanced accuracy 76,24%, precision 72,44%, recall 84,33%, dan F1-score 77,93%. Dengan demikian, BiLSTM S2 menjadi model terbaik dalam penelitian ini karena unggul pada seluruh metrik evaluasi.

URI
https://repo.itera.ac.id/depan/submission/SB2606260086

Keyword
deteksi sarkasme BiLSTM GRU Word2Vec Skip-Gram pemrosesan bahasa alami tweet indonesia X klasifikasi teks