KLASIFIKASI DATA TEKS UNTUK MENDETEKSI EMOSI PENGGUNA TWITTER MENGGUNAKAN MACHINE LEARNING

Bilah Samping Artikel

PDF (English)
Diterbitkan: Okt 20, 2023
Kata Kunci:
Twitter, Classification, Text, Naive Bayes, LinearSVC
Dimensions
Altmetrics
Statistics
Read Counter : 3
Download : 4
Crossmark/ Data Version

Isi Artikel Utama

Yosia A. Ishak

Abstrak

Pendeteksian emosi pada platform media sosial seperti twitter merupakan sebuah tantangan di dunia pemrosesan data. Berbeda dengan kehidupan nyata, deteksi emosi pada teks adalah tugas yang kompleks dikarenakan kurangnya konteks atau beberapa kalimat tidak disertakan dengan konteks yang cukup untuk memahami emosi yang terkandung didalamnya. Penelitian ini bertujuan untuk membuat model yang mumpuni dalam memenuhi kebutuhan klasifikasi emosi berdasarkan teks pada aplikasi Twitter.  Pada penelitian ini, dilakukan perbandingan antara algoritma Naïve Bayes dan LinearSVC, dan didapatkan hasil akhir dimana algoritma LinearSVC mencapai akurasi terbaik dengan 66%, sedangkan algoritma Naïve Bayes mencapai akurasi 57%. Dengan dilakukannya penelitian ini, diharapkan dapat memberikan kontribusi dalam mengembangkan pemahaman terhadap analisis sentimen di media sosial dan membuka peluang untuk aplikasi lebih lanjut, seperti pemantauan opini publik dan analisis tren emosional secara real-time.

Rincian Artikel

Terbitan
Vol 18 No 2 (2023): Jurnal Komputer dan Informatika
Bagian
Articles
Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Menawarkan akses terbuka

Referensi

[1]. F. Yusuf, H. Rahman, S. Rahmi dan A. Lismayani, “Pemanfaatan Media Sosial Sebagai Sarana Komunikasi, Informasi, Dan Dokumentasi: Pendidikan Di Majelis Taklim Annur Sejahtera,” Jurnal Hasil-Hasil Pengabdian dan Pemberdayaan Masyarakat, vol. 2, no. 1, p. 3, 2023.

[2] N. A. Siti, “Menilik Sejarah Media Sosial, Manfaat, dan Contohnya,” katadata, 1 April 2022. [Online]. Available: https://katadata.co.id/sitinuraeni/digital/6246823429ac2/menilik-sejarah-media-sosial-manfaat-dan-contohnya. [Diakses 4 December 2023].

[3] Nandy, “Pengertian Media Sosial, Sejarah, Fungsi, Jenis, Manfaat, dan Perkembangannya,” Gramedia, [Online]. Available: https://www.gramedia.com/literasi/pengertian-media-sosial/. [Diakses 4 December 2023].

[4] N. R. Aida dan S. Hardiyanto, “Mengenal Apa Itu Twitter dan Mengapa Orang Menggunakannya?,” Kompas, 24 March 2022. [Online]. Available:

https://www.kompas.com/tren/read/2022/03/24/200500665/mengenal-apa-itu-twitter-dan-mengapa-orang-menggunakannya?page=all. [Diakses 4 December 2023].

[5] O. S. Y. Prakasa dan K. M. Lhaksamana, “Klasifikasi Teks Dengan Menggunakan Algoritma K-Nearest Pada Kasus Kinerja Pemerintah Di Twitter,” e-Proceeding of Engineering, vol. 5, no. 3, p. 8238, 2018.

[6] anugrah dwi, “Pengertian Teks Beserta Jenisnya Lengkap,” Kampus Pascasarjana UMSU, 27 January 2023. [Online]. Available: https://pascasarjana.umsu.ac.id/pengertian-teks-beserta-jenisnya-lengkap/. [Diakses 4 December 2023].

[7] R. Tineges, “Mengenal Naive Bayes Sebagai Salah Satu Algoritma Data Science,” DQLab, 23 May 2022. [Online]. Available: https://dqlab.id/mengenal-naive-bayes-sebagai-salah-satu-algoritma-data-science. [Diakses 5 December 2023].

[8] Classification Example with Linear SVC in Python,” DataTechNotes, 7 January 2020. [Online]. Available: https://www.datatechnotes.com/2020/07/classification-example-with-linearsvm-in-python.html. [Diakses 4 December 2023].

[9] C. Pramartha dan P. W. A. Wibawa, “Systematic Literature Review: Metode Machine Learning dalam Klasifikasi Emosi pada Data Tekstual,” Jurnal Sistem Informasi dan Komputer (SISFOKOM), vol. 12, no. 03, 2023.

[10] D. H. Fudholi dan A. T. B. W, “Klasifikasi Emosi Pada Teks Dengan Menggunakan Metode Deep Learning,” Jurnal Ilmiah Indonesia, vol. 6, no. 1, 2021

[11] M. M. Nurrochman, A. L. Prasasti dan R. A. Nugrahaeni, “Implementasi Machine Learning Untuk Mendeteksi Unsur Depresi Pada Tweet Menggunakan Metode Naïve Bayes,” e-Proceeding of Engineering, vol. 8, no. 5, 2021.

[12] Kaggle: Tempat Belajar Data Science,” Course-Net, 27 November 2023. [Online]. Available: https://course-net.com/blog/kaggle-tempat-belajar-data-science/. [Diakses 4 December 2023].

[13] P. Gupta, “Emotion Detection from Text,” Kaggle, 2020. [Online]. Available: https://www.kaggle.com/datasets/pashupatigupta/emotion-detection-from-text. [Diakses 4 December 2023].

[14] N. L. Kamila, “Mengenal Apa Itu Tahap Preprocessing Data,” dibimbing, 25 November 2023. [Online]. Available: https://dibimbing.id/blog/detail/mengenal-apa-itu-tahap-preprocessing-data. [Diakses 4 December 2023].

[15] K. S. Nugroho, “Dasar Text Preprocessing dengan Python,” Medium, 18 June 2019. [Online]. Available: https://ksnugroho.medium.com/dasar-text-preprocessing-dengan-python-a4fa52608ffe. [Diakses 4 December 2023].

[16] A. Rizki, “#BelajarPython 9: Operasi ‘Tokenizing’ pada Teks Berbahasa Indonesia,” 16 August 2020. [Online]. Available: https://adityarizki.net/belajarpython-9-operasi-tokenizing-pada-teks-berbahasa-indonesia/. [Diakses 4 December 2023].

[17] Thalib, “NLP Preprocessing : Teknik Tokenisasi Untuk Memecah Kalimat menjadi Kata-Kata Pada Python,” Medium, 1 November 2019. [Online]. Available: https://medium.com/@irfandy.thalib/teknik-tokenisasi-untuk-memecah-kalimat-menjadi-kata-kata-pada-python-12f799b74d49. [Diakses 4 November 2023].

[18] R. Tineges, “Tahapan Text Preprocessing dalam Teknik Pengolahan Data,” DQLab, 17 June 2021. [Online]. Available: https://dqlab.id/tahapan-text-preprocessing-dalam-teknik-pengolahan-data. [Diakses 4 December 2023

[19] M. U. Albab, Y. Karuniawati dan M. N. Fawaiq, “Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic,” Jurnal Transformatika, vol. 20, no. 2, p. 1, 2023.

[20] E. T. Wijaya, “PERANCANGAN INFORMATION RETRIEVAL (IR) BERBASIS TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF) UNTUK PERINGKASAN TEKS TUGAS KHUSUS BERBAHASA INDONESIA,” Jurnal Ilmiah Teknologi dan Informasi ASIA, vol. 7, no. 1, p. 82, 2013.

[21 Syarli dan A. A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” Jurnal Ilmiah Ilmu Komputer, vol. 2, no. 1, p. 22, 2016.

[22] A. Imran, M. Akbar, A. Desiani dan I. Irmeilyana, “Implementasi Algoritma Naive Bayes dan Support Vector Machine (SVM) Pada Klasifikasi Penyakit Kardiovaskular,” Jurnal Teknik Elektro dan Komputasi (ELKOM), vol. 4, no. 2, p. 209, 2022.