Fatiya Humaira Yunaz Primary Author mixed material bibliography Banda Aceh Fakultas MIPA (S1) 2025 id Indonesia

Skripsi

Pembangkitan teks humor adalah salah satu tugas dalam pemrosesan bahasa alami (NLP) yang bertujuan untuk menghasilkan teks humor yang sesuai dengan topik yang diinginkan pengguna. Penggunaan Generative Artificial Intelligence (GenAI), seperti model Generative Pre-trained Transformer (GPT), memungkinkan pembangkitan teks humor yang lebih kreatif dan alami. Perbandingan dilakukan antara model GPT- Neo dan GPT-2 dalam melakukan pembangkitan teks humor berbahasa Indonesia. Dataset teks humor berbahasa Indonesia dikumpulkan melalui teknik web scraping dari komentar-komentar YouTube, yang kemudian digunakan untuk melatih model dalam menghasilkan teks humor yang relevan dengan topik yang diberikan oleh pengguna. Eksperimen membandingkan kedua model menggunakan metrik evaluasi otomatis seperti BLEU, ROUGE-1, dan ROUGE-L, serta human evaluation terkait kelucuan dan naturalness. Hasil eksperimen menunjukkan bahwa GPT-Neo unggul dalam metrik otomatis, sementara GPT-2 lebih unggul dalam menghasilkan humor yang lebih lucu dan sesuai dengan harapan pengguna berdasarkan human evaluation. Model GPT-Neo memperoleh BLEU 0,1205, ROUGE-1 0,1928, dan ROUGE-L 0,1532. Model GPT-2 memperoleh readability 67%, clarity 66%, general appropriateness 63%, serta tingkat kelucuan 62%. Diimplementasikan sistem pembangkit teks humor berbasis web menggunakan Streamlit, memungkinkan pengguna untuk memilih model dan memasukkan topik humor yang diinginkan. ARTIFICIAL INTELLIGENCE 006.3 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 169283 2025-08-11 09:30:15 2025-08-12 09:54:36 machine generated