ANALISIS PERBANDINGAN KINERJA MODEL ARSITEKTUR XLNET, ERNIE, DAN RoBERTa TERHADAP AI-GENERATED TEXT DETECTION

Abstrak

Penelitian ini bertujuan untuk menganalisis perbandingan kinerja tiga model arsitektur NLP, yakni XLNet, ERNIE, dan RoBERTa, dalam konteks AI-Generated Text Detection. Algoritma kecerdasan buatan semakin meningkatkan teks yang dihasilkan, membuatnya sulit dibedakan antara karya manusia dan mesin. Penelitian ini akan mengevaluasi kinerja model XLNet, ERNIE, dan RoBERTa dalam mendeteksi teks AI dengan menggunakan dataset human-vs-machine dari Hugging Face, dengan analisis menggunakan matrik akurasi, presisi, recall, dan F1-Score. Kami juga akan memeriksa berbagai teknik preprocessing dan hyperparameter yang berbeda untuk memastikan evaluasi yang komprehensif. Penelitian ini diharapkan memberikan pemahaman lebih dalam tentang kinerja XLNet, ERNIE, dan RoBERTa dalam deteksi teks AI, memberikan panduan pengembangan solusi deteksi yang efektif, dan tambahan wawasan penggunaan model NLP dalam lingkungan yang kompleks.