KLASIFIKASI EMOSI PADA TWEET MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
| Main Author: | Fatimah Septia Chayati, - |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | ind |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.uin-suska.ac.id/29790/1/File%20Hasil%20Penelitian%20%28Bab%204%20dan%20Bab%205%29-%20Fatimah%20Septia%20Chayati%20-%2011551204766.pdf http://repository.uin-suska.ac.id/29790/2/File%20Lengkap%20Sampai%20Lampiran%20-%20Fatimah%20Septia%20Chayati%20-%2011551204766.pdf http://repository.uin-suska.ac.id/29790/ |
Daftar Isi:
- Penggunaan media sosial menjadi salah satu wadah untuk mencurahkan segala yang dirasakan pada saat itu. Twitter menjadi salah satu sosial media yang lebih dari 100 juta tweet setiap hari. Sebuah emosi dalam bentuk teks akan sulit ditebak karena teks belum tentu dapat menggambarkan perasaan emosi yang sedang dirasakan. Dalam penggunaan emosi yang tepat pada kondisi yang tepat, akan mempengaruhi hasil dari aktifitas seseorang. Untuk mencapai tujuan tersebut, maka diperlukan mesin klasifikasi emosi secara otomatis agar dapat memudahkan pengguna dalam membaca tweet. Tujuan dari penelitian ini nantinya dimanfaatkan untuk proses pelabelan tweet secara otomatis. Data diklasifikasikan kedalam 8 kategori emosi yaitu agresif, optimis, cinta, tunduk, kecewa, menyesal, takjub dan marah. Support Vector Machine (SVM) menjadi salah satu metode karena dapat menghasilkan model dari data training yang dapat memprediksi nilai target dari data pengujian dan hanya diberikan nilai atributnya. Penelitian ini menggunakan 2.480 data tweet sebagai dataset. untuk mengetahui akurasi klasifikasi kinerja SVM, dataset yang telah diunduh harus melewati beberapa tahapan yaitu pelabelan manual, preprocessing, seleksi fitur hingga proses pembelajaran SVM. Dari model pembelajaran dari proses training didapat nilai akurasi sebesar 70,56% dengan menggunakan fitur threshold 50 dan pembagian data 90% data latih dan 10% data uji.