TIFANI WULANDARI (2018) KLASIFIKASI JENIS EMOSI DARI TWEET BERBAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018603TIF.pdf Download (143kB) | Preview
Preview	Text 2. PENGESAHAN_2018603TIF.pdf Download (195kB) | Preview
Preview	Text 3. ABSTRAK_2018603TIF.pdf Download (95kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018603TIF.pdf Download (336kB) | Preview
Preview	Text 5. DAFTAR ISI_2018603TIF.pdf Download (410kB) | Preview
Preview	Text 6. BAB I_2018603TIF.pdf Download (214kB) | Preview
Preview	Text 7. BAB II_2018603TIF.pdf Download (506kB) | Preview
Preview	Text 8. BAB III_2018603TIF.pdf Download (262kB) | Preview
Preview	Text 9. BAB IV_2018603TIF.pdf Download (680kB) | Preview
	Text 10. BAB V_2018603TIF.pdf Restricted to Repository staff only Download (684kB)
Preview	Text 11. BAB VI_2018603TIF.pdf Download (191kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018603TIF.pdf Download (265kB) | Preview

Abstract

Twitter sudah menjadi tempat untuk melakukan pertukaran pendapat dan pikiran tentang topik atau suatu permasalahan dan mengungkapkan perasaan atau emosi yang sedang dialami dalam berbentuk teks melalui tweet.Teks merupakan salah satu media yang digunakan untuk berkomunikasi dan menyampaikan informasi, serta mengekspresikan emosi. Semakin hari semakin banyak jumlah data yang berkembang secara pesat. Hal ini perlu diklasifikasikan untuk mengatasi permasalahan data yang tidak terstruktur agar mampu menghasilkan suatu informasi yang didapat secara cepat dengan jumlah data yang banyak tanpa harus memakan waktu yang lama. Tujuan dari penelitian ini untuk melakukan klasifikasi tweet emosi pada Twitter yang telah dikumpulkan dengan melihat isi dari tweet tersebut. Data diklasifikasikan kedalam 5 kategori emosi yaitu marah, senang, sedih, takut dan jijik. Metode yang digunakan adalah Support Vector Machine (SVM). Penelitian ini menggunakan 2000 tweet sebagai dataset. Untuk mengetahui akurasi yang dihasilkan SVM dalam mengklasifikasikan jenis emosi, ada beberapa tahapan yang harus dilewati yaitu pelabelan manual, preprocessing, Seleksi fitur dan proses pembelajaran SVM. Penelitian ini menggunakan pembagian data 80% sebagai data latih dan 20% sebagai data uji. Model pembelajaran yang dihasilkan oleh SVM, didapat akurasi sebesar 85% dengan treshold 30 da nmenggunakan C=2 dan Gamma=0.1. Kata Kunci :Emosi, Klasifikasi, Preprocessing, Support Vector Machine, Tweet.

Actions (login required)

View Item