Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI EMOSI PADA TWEET MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Fatimah Septia Chayati, - (2020) KLASIFIKASI EMOSI PADA TWEET MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text (BAB IV)
File Hasil Penelitian (Bab 4 dan Bab 5)- Fatimah Septia Chayati - 11551204766.pdf - Published Version
Restricted to Repository staff only

Download (1MB)
[img] Text
File Lengkap Sampai Lampiran - Fatimah Septia Chayati - 11551204766.pdf

Download (3MB)

Abstract

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.

Item Type: Thesis (Skripsi)
Subjects: 600 Teknologi dan Ilmu-ilmu Terapan > 620 Ilmu Teknik
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 27 Aug 2020 03:38
Last Modified: 27 Aug 2020 03:38
URI: http://repository.uin-suska.ac.id/id/eprint/29790

Actions (login required)

View Item View Item