Perpustakaan Digital ITB

Emosi adalah kondisi fisik dan mental seseorang yang terhubung dengan pemikiran, perasaan, respon perilaku, serta tingkat kepuasan dan ketidapuasan. Emosi ditemukan dalam kehidupan sehari-hari karena penggunaannya dapat memperkuat tujuan seseorang menyampaikan sebuah pernyataan atau informasi dalam berkomunikasi. Dengan adanya perkembangan di dunia teknologi, terutama dalam bidang inteligensi buatan (AI), penggunaan AI dalam prediksi emosi seseorang dapat digunakan untuk berbagai hal, seperti memahami kondisi mental pasien untuk diagnosis dan membantu mengembangkan proses komunikasi AI dengan manusia. Terdapat berbagai model yang dapat digunakan untuk memprediksi emosi dari teks, salah satunya adalah EmoBERTa, sebuah model hasil pengembangan RoBERTa oleh Taewoon Kim dan Piek Vossen pada tahun 2021 yang dapat melakukan prediksi emosi dalam konteks percakapan (Emotion Recognition in Conversation/ERC). Penelitian ini mengembangkan EmoBERTa melalui fme-tuning untuk mendapatkan sebuah model yang dapat melakukan prediksi emosi multi-label. Pada percobaan dengan dataset SemEval-2025 Task 11 untuk Track A (deteksi emosi multi-label) dan Track B (intensitas emosi multi-label), model mendapatkan macro F1-score sebesar 0,7598 untuk Track A dan koefisien korelasi Pearson sebesar 0,7698 untuk Track B. Namun, setelah melakukan fine-tuning lanjutan melalui penambahan data ke dataset awal (GoEmotions untuk Track A dan WRIME untuk Track B) dengan harapan meningkatkan kinerja kedua Track, terdapat penurunan kinerja berupa macro F1-score bernilai 0,7302 untuk Track A dan korelasi koefisien Pearson bernilai 0,7459 untuk Track B. Penelitian ini menemukan bahwa melakukan fine-tuning pada EmoBERTa dapat membuatnya melakukan prediksi emosi multi-label dalam bentuk kalimat dengan hasil yang melampaui model tuning RemBERT yang digunakan sebagai acuan (baseline), yaitu 0,7083 untuk Track A dan 0,6415 untuk Track B.