TRUNOJOYO-Tugas Akhir-37936-Abstract.pdf
Restricted to Repository staff only
Download (290kB)
TRUNOJOYO-Tugas Akhir-37936-Cover.pdf
Restricted to Repository staff only
Download (829kB)
TRUNOJOYO-Tugas Akhir-37936-Chapter1.pdf
Restricted to Repository staff only
Download (323kB)
TRUNOJOYO-Tugas Akhir-37936-Chapter2.pdf
Restricted to Repository staff only
Download (481kB)
TRUNOJOYO-Tugas Akhir-37936-Chapter3.pdf
Restricted to Repository staff only
Download (4MB)
TRUNOJOYO-Tugas Akhir-37936-Chapter4.pdf
Restricted to Repository staff only
Download (5MB)
TRUNOJOYO-Tugas Akhir-37936-Conclusion.pdf
Restricted to Repository staff only
Download (266kB)
TRUNOJOYO-Tugas Akhir-37936-References.pdf
Restricted to Repository staff only
Download (251kB)
TRUNOJOYO-Tugas Akhir-37936-Appendices.pdf
Restricted to Repository staff only
Download (1MB)
Abstract
Perkembangan teknologi digital telah mengubah cara manusia berkomunikasi, khususnya melalui media sosial seperti TikTok, Instagram, dan YouTube. Generasi Z, yang lahir antara tahun 1997 hingga 2012, dikenal sebagai digital native yang sangat aktif menggunakan media sosial sebagai sarana utama untuk berinteraksi dan mengekspresikan diri. Mereka memiliki gaya komunikasi yang khas, ditandai dengan penggunaan bahasa informal, singkatan, emoji, hingga ekspresi emosional yang dinamis. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan pola bahasa Generasi Z dalam komentar media sosial menggunakan model IndoBERTweet, yaitu model deep learning berbasis Natural Language Processing (NLP) yang dioptimalkan untuk teks informal berbahasa Indonesia. Data dikumpulkan melalui proses web scraping dari tiga platform media sosial, kemudian dilakukan pelabelan berdasarkan kategori konten yang diasosiasikan dengan Generasi Z, dan divalidasi oleh pakar bahasa dan psikologi. Setelah melalui tahap preprocessing, data dilatih menggunakan metode fine-tuning terhadap model IndoBERTweet, dengan variasi kombinasi hyperparameter. Hasil pengujian menunjukkan bahwa konfigurasi terbaik diperoleh pada kombinasi batch size 8, epoch 10, dan learning rate 3e-5, yang menghasilkan akurasi 89,2%, precision 89,2%, recall 89,2%, dan F1-score 89,2%, dengan waktu pelatihan selama 30 menit 18 detik. Temuan ini membuktikan bahwa IndoBERTweet efektif dalam memahami karakteristik komunikasi informal khas Generasi Z. Penelitian ini memberikan kontribusi nyata terhadap pengembangan teknologi NLP berbahasa Indonesia dan dapat diterapkan dalam pengembangan chatbot, sistem rekomendasi konten, analisis opini publik, serta strategi komunikasi digital yang lebih adaptif terhadap karakter Gen Z. Secara khusus, model ini juga dapat dimanfaatkan dalam bidang advertising, terutama untuk mengidentifikasi dan menyesuaikan gaya bahasa promosi yang sesuai dengan preferensi Generasi Z, sehingga kampanye digital yang ditujukan untuk segmen ini dapat lebih relevan, terarah, dan berdampak secara emosional.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM NIZAM MUHAMMAD AZMI |
| Department | Sistem Informasi |
| Uncontrolled Keywords | IndoBERTweet, Generasi Z, Pola Bahasa, Media Sosial |
| Divisions | Fakultas Teknik > S1 - Sistem Informasi |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 16 Oct 2026 17:53 |
| Last Modified | 24 Oct 2026 17:10 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/22219 |
