PENERAPAN MODEL INDOBERT DALAM DETEKSI SARKASME MENGGUNAKAN RANDOM FOREST CLASSIFIER PADA ANALISIS SENTIMEN

Sarkasme adalah bentuk sindiran kompleks yang menciptakan perbedaan antara arti harfiah kata dan maksud sebenarnya. Penelitian ini mengevaluasi deteksi sarkasme dalam komentar media sosial menggunakan Random Forest Classifier (RFC) yang dipadukan dengan IndoBERT. Pengujian dilakukan dengan TfidfVectorizer dan 10-Fold Cross Validation. Tanpa IndoBERT, model RFC mencapai rata-rata nilai akurasi, recall, dan F1 score mencapai 78.83%, serta nilai presisi sebesar 79.01%. Dengan integrasi IndoBERT, performa model meningkat signifikan dengan rata-rata akurasi, presisi, recall, dan F1score masing-masing 84.22%, 85.05%, 84.22%, dan 84.15%. Pengujian 5-Fold Cross Validation pada model RFC dengan IndoBERT menghasilkan akurasi tertinggi sebesar 97.24%, presisi 97.39%, recall, dan F1 score sebesar 97.24%. Penelitian ini menyarankan eksplorasi model deep learning lain, pencarian hyperparameter yang lebih mendalam, serta penambahan fitur dan perluasan dataset untuk meningkatkan akurasi deteksi sarkasme.