Najla Raihana Kamila Primary Author mixed material bibliography Banda Aceh Fakultas mipa 2025

Skripsi

Kemampuan mendeteksi humor dalam teks merupakan tantangan tersendiri dalam bidang Natural Language Processing (NLP), terutama untuk bahasa-bahasa dengan sumber daya terbatas seperti Bahasa Indonesia. Humor berperan penting dalam meningkatkan efektivitas komunikasi, tetapi kadar humor yang berlebihan dapat menurunkan kualitas penyampaian pesan. Penelitian ini bertujuan melatih dan mengevaluasi model IndoBERT untuk mendeteksi humor dalam teks berbahasa Indonesia serta membandingkannya dengan model generik multibahasa DeepSeek. Dataset dikembangkan melalui web scraping komentar YouTube yang mengandung unsur humor, kemudian melalui proses pelabelan, pra-pemrosesan, dan pelatihan model. Evaluasi dilakukan menggunakan metrik akurasi, precision, recall, serta F1-score. Hasil menunjukkan bahwa IndoBERT mencapai akurasi sebesar 93% dan F1-score sebesar 91%, dengan performa yang stabil dan seimbang pada kedua kelas (humor dan bukan humor). Namun, berdasarkan confusion matrix terhadap sampel kasus prediksi, DeepSeek mampu mendeteksi lebih banyak pola humor yang tidak terdeteksi oleh IndoBERT. Hal ini menunjukkan bahwa DeepSeek memiliki potensi dalam mengenali bentuk humor yang bersifat implisit dan kontekstual. Selain itu, penelitian ini juga menghasilkan sistem bernama Humorizer, yaitu alat berbasis IndoBERT yang mampu menghitung persentase humor dalam teks. Sistem ini bermanfaat bagi pembicara publik, moderator, maupun profesional komunikasi lainnya yang ingin menyisipkan humor secara proporsional. Kata kunci : IndoBERT, DeepSeek, Deteksi Humor, NLP, Teks Bahasa Indonesia 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 165065 2025-07-22 16:00:27 2025-07-22 23:19:22 machine generated