Analisis Deteksi Emosi Mahasiswa Dari Text Kuesioner Dosen Menggunakan Metode Vector Space Model (Vsm) (Studi Kasus: Stt Atlas Nusantara Malang)
Daftar Isi:
- Emosi bersifat umum sangat penting didalam semua aspek kehidupan, dimana emosi merupakan salah satu faktor yang akan mempengaruhi keputusan hubungan manusia dengan lingkungan sosial dengan membentuk perilaku keseharian seseorang dalam berkomunikasi. Teknologi perangkat yang digunakan dalam berkomunikasi sangat berkembang cepat, mulai dari telepon menggunakan jaringan internet, text messaging dan video call yang kesemuanya dilakukan secara langsung antar pengguna. Komunikasi secara tidak langsung juga dilakukan seperti untuk memberikan review terhadap kualitas sebuah produk, saran dan kritik terhadap sumber daya manusia (SDM). Menggunakan metode kuesioner dan beberapa pertanyaan tambahan karena dengan metode kuesioner teks ini bebas menuliskan apa yang akan disampaikan. Dalam penelitian deteksi emosi tekk ini, akan dilakukan tahap preprosesing dari teks kuesioner dan untuk pengelompokan kata berdasarkan kelas kata, yaitu dengan menggunakan POS-Tagging dimana pendekatan berdasar aturan rule-based yang berisi kombinasi kelas kata yang kemungkinan besar bila digabungkan akan membentuk frasa agar memudahkan komputer dalam memahami ciri-ciri sebuah frasa. Selanjutnya dilakukan proses penghitungan bobot kata yang terdapat dalam sumber data (corpus) menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Dengan algoritma metode Vector Space Model (VSM) untuk menentukan relevansi antara Fitur - fitur fase dalam menemukan korelasi antara yang sangat penting yaitu untuk mengurangi dimensi data multidimensi yang dapat digunakan untuk menilai emosi pengguna dengan fitur ekstraksi. VSM digunakan untuk mengetahui hubungan tiap-tiap kata yang membentuk sebuah kalimat. Emosi di setiap pengguna akan disajikan dengan nilai persentase menggunakan pendekatan algoritma VSM dengan mengambil kesamaan antara permintaan dan data corpus. Hasil Optimasi dari deteksi emosi yang dibuktikan melalui uji coba dengan 2(dua) tahap yaitu mendeteksi dengan Frasa dan Non-Frasa. Menggunakan metode TF-IDF dan Vector Space Model (VSM) mampu mendeteksi dokumen emosi teks bahasa Indonesia dengan data set 90% dari 264 dokumen, maka hasil menggunakan Frasa deteksi Emosi Senang, Takut dan Kecewa 92,59% dan yang diperoleh deteksi non frasa 96,30%.