Fanesya, Fera (2019) Deteksi Emosi pada Twitter Menggunakan Metode Naïve Bayes dan Kombinasi Fitur. Sarjana thesis, Universitas Brawijaya.
Abstract
Emosi bersifat umum dan penting dalam kehidupan yang membentuk perilaku manusia. Mendeteksi emosi memberikan peranan penting dalam berbagai aspek karena dapat diterapkan dalam berbagai bidang seperti pengambilan keputusan, memprediksi keadaan emosi manusia, memberikan review terhadap kualitas produk, melacak dukungan pada masalah politik, dan mengenali gangguan depresi seseorang. Mengidentifikasi emosi dapat menggunakan data tekstual yaitu berupa teks, karena teks dapat digunakan untuk berkomunikasi dan menyampaikan informasi. Salah satu media sosial yang digunakan untuk bertukar informasi adalah Twitter. Twitter berisi informasi tentang sikap serta keadaan emosi seseorang. Oleh karena itu, dilakukan deteksi emosi pada Twitter untuk menentukan emosi seseorang dengan menggunakan metode Naïve Bayes dan kombinasi fitur. Penelitian ini digunakan beberapa model klasifikasi Naïve Bayes yaitu Bernoulli Naïve Bayes untuk tipe data biner dan Multinomial Naïve Bayes untuk tipe data diskrit, kombinasi fitur yang digunakan pada penelitian yaitu fitur linguistik, fitur ortografik, dan kombinasi fitur N-gram. Hasil akurasi terbaik didapatkan pada pengujian kombinasi fitur N-gram sebesar 0,555, sedangkan hasil akurasi pada pengujian kombinasi fitur sebesar 0,5317 yang meliputi fitur linguistik, fitur ortografik, dan fitur N-gram memiliki nilai akurasi lebih baik dibandingkan pengujian dengan fitur tunggal dan lebih rendah dibandingkan pengujian kombinasi fitur N-gram. Hal ini dikarenakan pengaruh dari fitur linguistik, fitur ortografik, dan fitur N-gram. Penggabungan kombinasi fitur ini bisa menutupi kelemahan masing-masing fitur yang bisa meningkatkan akurasi walaupun peningkatannya tidak terlalu signifikan
English Abstract
Emotion shapes human behavior in general and very important in life. Detecting emotions provides an important role in various aspects because it can be applied in various fields such as decision-making, predicting human emotions conditions, providing a review product quality, tracking support for political problems, and recognizing depression disorders. Identifying emotions can use textual data that is text, text can be used to communicate and declare information. One of the social media that used to exchange information is Twitter. Twitter contains information about human attitude and human emotions. Therefore, emotional detection is needed to determine human emotions using Naïve Bayes method and feature combinations. This research using several Naïve Bayes classification models namely Bernoulli Naïve Bayes for binary data types and Multinomial Naïve Bayes for discrete data types. Feature Combination used in this research is as follows: linguistic features, orthographic features, and N-gram feature combinations. The best accuracy result obtained a value of 0.555 that is in testing N-gram feature combinations. While the combination of features including linguistic features, orthographic features, and N-gram features produced an accuracy value of 0.5317 which means this value was better than testing with a single feature and lower than testing the N-gram feature combinations. This is due to the influence of linguistic features, orthographic features, and N-gram features. Based on these results it can be concluded that by using combination features can cover the weaknesses of each feature that can improve the performance of accuracy even though the increase is not too significant
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2019/360/051905678 |
| Uncontrolled Keywords: | deteksi emosi, klasifikasi, kombinasi fitur, naïve bayes, twitter/classification, emotion detection, feature combinations, naïve bayes, twitter |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.7 Multimedia systems > 006.75 Specific types of multimedia systems > 006.754 Online social networks |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Endang Susworini |
| Date Deposited: | 24 Aug 2020 06:51 |
| Last Modified: | 24 Aug 2020 06:51 |
| URI: | http://repository.ub.ac.id/id/eprint/171681 |
Actions (login required)
 |
View Item |