PERANCANGAN SISTEM INFORMASI ANALITIK KLASIFIKASI KELUCUAN STAND-UP COMEDY MENGGUNAKAN INDOBERT

Abstract

Stand-up comedy merupakan salah satu bentuk hiburan yang berkembang pesat di Indonesia dan banyak dipublikasikan melalui platform digital. Namun, penilaian tingkat kelucuan dalam pertunjukan stand-up comedy masih bersifat subjektif dan belum didukung oleh sistem analitik berbasis data. Penelitian ini bertujuan untuk merancang dan mengimplementasikan sistem informasi analitik yang mampu mengklasifikasikan tingkat kelucuan stand-up comedy Indonesia berdasarkan transkrip menggunakan pendekatan Natural Language Processing (NLP) berbasis IndoBERT. Dataset penelitian diperoleh dari transkrip pertunjukan stand-up comedy berbahasa Indonesia yang kemudian dilakukan proses pelabelan tingkat kelucuan ke dalam beberapa kategori. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, fine-tuning model IndoBERT untuk klasifikasi multi-kelas, serta pengembangan sistem informasi berbasis web yang menyediakan fitur unggah transkrip, prediksi tingkat kelucuan, dan visualisasi hasil analisis. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model IndoBERT mampu memberikan performa klasifikasi yang baik dalam mengenali pola humor pada teks stand-up comedy. Sistem informasi yang dikembangkan dapat membantu pengguna dalam menganalisis materi stand-up comedy secara otomatis serta menyediakan dukungan analitik dalam evaluasi konten. Penelitian ini berkontribusi dalam pengembangan sistem informasi berbasis kecerdasan buatan untuk analisis humor dan membuka peluang penerapan lebih lanjut pada bidang evaluasi konten hiburan digital.