Deteksi Sarkasme Pada Judul Berita Berbahasa Inggris Menggunakan Algoritme Bidirectional LSTM

Abstract

Sarkasme adalah penggunaan kata-kata pedas untuk menyakiti hati orang lain, berupa cemoohan atau ejekan kasar. Kata sarkasme diturunkan dari kata Yunani sarkasmos yang berarti “merobek-robek daging seperti anjing”, “menggigit bibir karena marah”, atau ”berbicara dengan kepahitan”. Sarkasme dapat bersifat ironis, atau tidak, tetapi yang pasti adalah bahwa gaya bahasa ini selalu akan menyakiti hati dan kurang enak didengar. Pada penelitian ini akan dibuat model klasifikasi untuk memprediksi sarkasme pada judul berita berbahasa inggris dikarenakan judul berita menggunakan kata baku dan tidak ada salah pengejaan kata, menjadikan judul berita sebuah dataset yang tepat untuk dilakukan deteksi sarkasme. Algoritme Bidirectional Long Short-Term Memory (BiLSTM) yang merupakan salah satu algoritme deep learning digunakan pada penelitian untuk membuat model klasifikasi. Model ini lalu dibandingkan dengan model algoritme Long Short-Term Memory (LSTM) untuk memvalidasi keunggulan dari algoritme BiLSTM daripada algoritme LSTM dasar. Didapatkan akurasi validasi dari model sebesar 82,55%, precision validasi sebesar 82,36%, recall validasi sebesar 79,53%, dan f1 score validasi sebesar 80,92%.