OPTIMASI MODEL ROBERTA DAN DA-ROBERTA UNTUK DETEKSI BIAS MEDIA DENGAN AUGMENTASI DATA BERBASIS MODEL T5

Di era digital, penyebaran informasi melalui media berlangsung secara cepat dan masif. Oleh karena itu, adanya potensi bias yang tersembunyi di dalamnya dapat memberikan dampak yang signifikan terhadap pembentukan opini publik. Meskipun berbagai model canggih telah digunakan dalam mendeteksi bias media, keterbatasan ukuran dataset dan peningkatan kinerja model masih menjadi salah satu kendala. Penelitian ini mengusulkan optimasi model RoBERTa dan DA RoBERTa (Domain-Adaptif RoBERTa) untuk deteksi bias media melalui augmentasi data berbasis T5. Teknik augmentasi memanfaatkan model T5 untuk menghasilkan variasi data yang lebih luas dan beragam. Hasil eksperimen menunjukkan bahwa pendekatan augmentasi data berbasis T5 berhasil meningkatkan performa model dalam mendeteksi bias media terutama pada RoBERTa. Evaluasi menggunakan dataset BABE (Bias Annotation By Experts), dengan peningkatan jumlah data pelatihan dari 2.938 menjadi 4.453 hingga 4.715 sampel. Model RoBERTa mengalami peningkatan Weighted F1-Score dari 0.804 menjadi 0.819 (naik sebesar 1.87%), sedangkan model DA-RoBERTa meningkat dari 0.812 menjadi 0.819 (naik sebesar 0.86%).

Kata Kunci: deteksi bias media; RoBERTa; DA-RoBERTa; augmentasi data; T5; BABE dataset