@misc{eprints89319,
           month = {Juni},
           title = {IMPLEMENTASI MODEL ROBUSTLY OPTIMIZED BERT PRETRAINING
APPROACH (ROBERTA) UNTUK KLASIFIKASI TWEET
CYBERBULLYING DENGAN AUGMENTASI DATA BACK TRANSLATION},
          author = {ALHINDAMI  FATHAN },
         address = {UNIVERSITAS LAMPUNG},
       publisher = {FAKULTAS MATEMATIKA ILMU PENGETAHUAN ALAM},
            year = {2025},
             url = {http://digilib.unila.ac.id/89319/},
        abstract = {Perkembangan teknologi internet yang pesat telah memberikan peningkatan yang
signifikan dalam jumlah pengguna media sosial di seluruh dunia. Terlepas dari
manfaatnya, media sosial juga bisa menjadi ruang munculnya perilaku negatif seperti
cyberbullying. Kondisi ini memerlukan adanya sistem klasifikasi otomatis yang
dapat mendeteksi dan mengidentifikasi jenis cyberbullying dalam teks secara akurat.
Penelitian ini bertujuan untuk membangun model klasifikasi teks berbasis RoBERTa
dan mengevaluasi pengaruh teknik augmentasi data terhadap peningkatan kinerja
model. Data yang digunakan merupakan kumpulan tweet berbahasa Inggris yang
telah diberi label sesuai jenis cyberbullying. Teknik augmentasi data back translation
diterapkan untuk mengatasi data yang tidak seimbang dan menambah variasi data
pelatihan. Model RoBERTa yang telah melalui proses fine-tuning diimplementasikan
untuk melakukan klasifikasi dan kinerjanya dievaluasi menggunakan metrik accuracy,
precision, recall, F1-score, dan ROC-AUC. Hasil penelitian menunjukkan bahwa
metode tanpa augmentasi data menghasilkan accuracy sebesar 88\%, sedangkan
metode dengan augmentasi data mencapai accuracy tertinggi sebesar 93\%, dengan
precision, recall, dan F1-score masing-masing sebesar 92\%, serta rata-rata nilai
AUC sebesar 95,19\%. Hasil ini menunjukan bahwa teknik augmentasi data secara
signifikan mampu meningkatkan kinerja model dalam mengklasifikasikan tweet
cyberbullying.
Kata kunci: Cyberbullying, RoBERTa, Augmentasi Data, Klasifikasi Teks.}
}