Meningkatnya preferensi untuk melakukan komunikasi berbasis teks pada aplikasi online chat menyebabkan jumlah interaksi sosial meningkat pesat. Namun, komunikasi berbasis teks sangat mudah memunculkan kesalahpahaman yang diakibatkan dari ketiadaan untuk merasakan intonasi dan emosi pada teks. Penelitian ini bertujuan untuk membuat chatbot yang bisa mendeteksi emosi pada teks untuk dimasukkan ke dalam aplikasi online chat. Penelitian ini menggunakan pre-trained model yang khusus dilatih dari kumpulan dataset berbahasa Indonesia, yaitu IndoBERT-lite. Dataset yang digunakan untuk melatih model tersebut yaitu kumpulan twit berbahasa Indonesia sejumlah 4.403 yang sudah dilabeli 5 kelas emosi, yaitu love, happy, anger, sadness, dan fear. Hyperparameters yang dipakai pada penelitian ini untuk melatih model adalah 5 epoch, batch size 16, learning rate 0,000003, dan optimizer ADAM. Berdasarkan hasil pengujian dengan parameter-parameter yang sudah disebutkan, didapat nilai accuracy, F1 score, recall, dan precision pada training set sejumlah 89%, 89%, 89%, dan 90%, sedangkan pada validation set didapat 70%, 71%, 70%, dan 72%.
Kata kunci:
Aplikasi online chat, klasifikasi emosi, chatbot, model pre-trained, IndoBERT-lite, Telegram.