PENERAPAN ALGORITMA SUPPORT VECTOR MACHINE UNTUK MENDETEKSI EMOSI DARI TEKS BAHASA INDONESIA

Abstract

Pertumbuhan penggunaan internet khususnya sosial media yang sangat pesat telah menyebabkan perubahan interaksi antar manusia yang sebelumnya terjadi secara langsung di dunia nyata kemudian berubah menjadi tidak langsung melalui sosial media. Ketika manusia berinteraksi melalui sosial media, terkadang terdapat kesalahpahaman informasi yang didapatkan dibandingkan secara langsung di dunia nyata. Hal ini karena kurangnya faktor penting ketika manusia berinteraksi melalui sosial media, yaitu emosi. Penelitian ini bertujuan untuk mendeteksi emosi dari teks bahasa Indonesia dengan menerapkan algoritma Support Vector Machine (SVM). Penelitian dimulai dengan pembuatan 4 jenis data sampel yaitu, data sampel dengan jumlah 1000, 2500, dan 4000 tweet untuk proses training, dan data sampel dengan jumlah 120 tweet untuk proses testing. Kemudian seluruh data sampel tersebut melalui proses Natural Language Processing (NLP) untuk diekstrak informasinya. Setelah itu dilakukan proses training dengan algoritma SVM menggunakan 3 tipe kernel yang berbeda, yaitu Polinomial, Gaussian RBF, dan Sigmoid. Kemudian dilakukan pengujian dengan hasil tingkat akurasi yang cukup variatif untuk setiap jenis data sampel serta tipe kernel yang digunakan. Hasil penelitian mendapatkan kesimpulan semakin banyak jumlah data yang digunakan, maka semakin tinggi tingkat akurasi yang dihasilkan, namun waktu proses training yang dibutuhkan lebih lama. Sementara untuk tipe kernel Sigmoid memiliki tingkat akurasi yang tinggi, serta waktu proses training yang lebih cepat dibandingkan tipe kernel lainnya.