Pengembangan Sistem Deteksi dan Transformasi Kesantunan Teks Chat Mahasiswa-dosen Menggunakan Pendekatan Fine-tuning Indobert dan IndoT5

Abstract

Penggunaan media komunikasi digital dalam lingkungan akademik antara mahasiswa dan dosen semakin meningkat, namun belum sepenuhnya diimbangi dengan penerapan kesantunan berbahasa. Hal ini berpotensi menimbulkan kesalahpahaman serta menurunkan kualitas komunikasi akademik. Selain itu, upaya dalam memperbaiki kesantunan masih dilakukan secara manual dan bergantung pada subjektivitas individu, sehingga belum terdapat standar yang konsisten. Penelitian ini bertujuan untuk membangun sebuah sistem berbasis Natural Language Processing yang mampu melakukan deteksi sekaligus transformasi kesantunan teks komunikasi akademik secara otomatis. Pendekatan yang digunakan adalah integrasi dua model, yaitu IndoBERT sebagai model klasifikasi dan IndoT5 yang digunakan untuk mengubah teks yang kurang santun menjadi lebih santun tanpa menghilangkan makna aslinya. Dataset penelitian ini terdiri dari 6.230 kalimat yang diperoleh dari Google Form, TikTok, dan ChatGPT, serta telah melalui proses pelabelan dan preprocessing. Evaluasi model klasifikasi dilakukan menggunakan confusion matrix, accuracy, precision, recall, dan F1-score, sedangkan model transformasi teks dievaluasi menggunakan BLEU, ROUGE-1, ROUGE-2, ROUGE-L, dan METEOR. Hasil penelitian menunjukkan bahwa IndoBERT mampu mencapai akurasi sebesar 97% dalam mengklasifikasikan tingkat kesantunan teks, sementara IndoT5 mampu menghasilkan transformasi kalimat yang lebih sesuai dengan kaidah komunikasi akademik. Sistem yang dikembangkan mampu mendeteksi dan memperbaiki kesantunan teks secara otomatis, serta diimplementasikan dalam bentuk aplikasi berbasis web.