Perbandingan kinerja model IndoBERT dan IndoBERTweet pada deteksi emosi tweet Bahasa Indonesia

Deteksi emosi pada tweet berbahasa Indonesia merupakan salah satu tugas Natural Language Processing yang masih menghadapi permasalahan ketidakseimbangan distribusi data (class imbalance) sehingga dapat memengaruhi performa model klasifikasi, serta masih terbatasnya penelitian yang membandingkan kinerja IndoBERT dan IndoBERTweet dengan penerapan teknik Random Undersampling. Oleh karena itu, penelitian ini bertujuan untuk menerapkan model IndoBERT dan IndoBERTweet dalam deteksi emosi pada tweet berbahasa Indonesia, menganalisis pengaruh Random Undersampling, serta membandingkan kinerja kedua model. Hasil pengujian menunjukkan bahwa IndoBERT memperoleh accuracy sebesar 77,5% pada dataset original dan meningkat 1,2% menjadi 78,7% setelah diterapkan undersampling. Sementara itu, IndoBERTweet memperoleh accuracy sebesar 78,6% pada dataset original dan meningkat 2,1% menjadi 80,7% pada dataset hasil undersampling, dengan nilai f1-score tertinggi sebesar 80,8%. Hasil tersebut menunjukkan bahwa teknik Random Undersampling mampu meningkatkan performa model dalam mendeteksi emosi serta mengurangi pengaruh ketidakseimbangan data. Selain itu, IndoBERTweet menghasilkan performa yang lebih baik dibandingkan IndoBERT karena lebih mampu memahami karakteristik bahasa yang digunakan pada media sosial, sehingga kombinasi IndoBERTweet dan Random Undersampling menjadi pendekatan terbaik dalam penelitian ini.