ANALISIS KOMPARASI TEKNIK OPTIMASI HYPERPARAMETER PADA INDOBERT UNTUK DETEKSI SARKASME BERBAHASA INDONESIA

Dalam bidang NLP (Natural Language Processing), deteksi sarkasme
masih menjadi tantangan bagi para peneliti. Misalnya, pada analisis sentimen
keberadaan sarkasme sering kali mengganggu ketepatan sistem dalam mengukur
sentimen publik. Hal ini disebabkan oleh karakteristik sarkasme yang cenderung
menyampaikan makna yang bertentangan dengan yang disampaikan, sehingga
dapat membalikkan sentimen negatif menjadi positif. Oleh karena itu, deteksi
sarkasme menjadi tugas penting dalam NLP. Berdasarkan penelitian sebelumnya,
IndoBERT terbukti efektif dalam mendeteksi sarkasme berbahasa Indonesia. Oleh
sebab itu, penelitian ini menggunakan model IndoBERT dengan menerapkan teknik
optimasi hyperparameter otomatis dalam proses pemilihan konfigurasi
hyperparameter yang sebelumnya masih jarang dilakukan. Tujuannya adalah untuk
meningkatkan efisiensi proses tuning serta mengoptimalkan kinerja model dalam
mendeteksi sarkasme. Tiga teknik optimasi yang digunakan meliputi Bayesian
Optimization, Hyperband, dan BOHB, yang hasilnya kemudian dianalisis dan
dibandingkan terhadap model baseline tanpa optimasi otomatis. Hasil eksperimen
menunjukkan bahwa model IndoBERT yang dikembangkan dengan teknik
Hyperband menghasilkan kinerja terbaik, dengan accuracy dan F1-score sebesar
87,05% pada dataset sarkasme berbahasa Indonesia yang diperoleh dari penelitian
sebelumnya. Dengan demikian, pada penelitian ini Hyperband terbukti menjadi
metode paling efektif dalam menemukan konfigurasi hyperparameter terbaik untuk
meningkatkan kinerja model.
Kata Kunci: IndoBERT, Optimasi Hyperparameter, Sarkasme