TRANSFORMER DEEP LEARNING MODEL TO CLASSIFY POLITICAL CONFLICTS AND MEDIATION

Konflik politik di Indonesia melibatkan banyak faktor, termasuk konflik dalam manajemen partai, dukungan calon presiden, calon legislatif, dan elit politik. Berbagai metode dapat digunakan untuk mengatasi konflik, termasuk musyawarah, keputusan pimpinan, jalur hukum, dan bahkan konflik yang tidak terselesaikan. Memahami konflik politik dan penyelesaiannya sangat penting bagi para pemimpin dan anggota partai. Saat ini, klasifikasi dan mediasi konflik politik menggunakan analisis manual dari artikel berita. Oleh karena itu, dibutuhkan sebuah alat untuk mengklasifikasikan konflik politik dan menentukan strategi mediasi yang tepat. Sebuah model bahasa alami, model transformer, adalah model yang banyak digunakan untuk klasifikasi teks yang akurat. Penelitian ini bertujuan untuk mengkategorikan konflik dan menentukan strategi mediasi yang tepat dengan menggunakan transformer model. Penelitian ini menggunakan empat Transformer Language Model (TLM) yang berbeda untuk menentukan model yang paling sesuai dengan dataset bahasa Indonesia. Model-model ini meliputi BERT-Based, BERT-Indo, RoBERTa-Based, dan RoBERTa-Indo. Kami melakukan klasifikasi teks dan mengoptimalkan algoritma transformer untuk mendapatkan akurasi maksimum. Untuk percobaan ini kami menggunakan dua dataset untuk pelatihan, yaitu dataset konflik politik dan mediasi, masing-masing berisi 1106 data. Empat TLM akan melatih dataset ini dengan menggunakan beberapa parameter tuning. BERT-Indo mencapai akurasi tertinggi untuk kedua dataset tersebut, yaitu 0.91 untuk konflik politik dengan dan 0.82 untuk mediasi. Untuk konflik politik memiliki nilai akurasi yang sama namun memiliki nilai loss yang berbeda. Klasifikasi konflik politik mendapatkan akurasi sebesar 0.91, dan mediasi mendapatkan 0.78 dengan menggunakan BERT-Based. RoBERTa-Based mendapatkan 0,91 untuk konflik politik dan 0,78 untuk mediasi, sedangkan RoBERTa-Indo mendapatkan 0,91 untuk konflik politik dan 0.74 untuk mediasi. Kami dapat mengidentifikasi bahwa BERT-Indo dan RoBERTa-Indo mengungguli model dasar mereka, BERT-Based dan RoBERTa-Based. Walaupun, pilihan model yang digunakan untuk pelatihan tidak secara signifikan memengaruhi kinerja mereka secara keseluruhan.