Armianti, Diajeng Ninda (2020) Klasifikasi Emosi Lagu Berdasarkan Lirik pada Teks Berbahasa Indonesia Menggunakan K-Nearest Neighbor dengan Pembobotan WIDF. Sarjana thesis, Universitas Brawijaya.
Abstract
Dalam penciptaan sebuah lagu, salah satu komponen utama sebuah lagu yang harus diperhatikan adalah lirik. Lirik berperan penting dalam penyampaian emosi maupun maksud dari pencipta lagu terhadap pendengar. Terkadang, emosi yang disampaikan oleh seniman masih mengalami kesalahan penafsiran oleh pendengar. Oleh sebab itu, untuk menghindari kesalahan dalam penafsiran lirik lagu secara manual, diperlukan suatu proses pengklasifikasian secara otomatis tanpa harus mencermati lirik satu persatu. Klasifikasi juga bertujuan untuk memperoleh emosi dari lirik yang lebih akurat. Salah satu metode yang dapat digunakan adalah metode k-nearest neighbor. Sebelum melakukan proses klasifikasi, dilakukan beberapa tahapan lainnya diantaranya text preprocessing dan pembobotan dengan metode WIDF. Data yang digunakan berjumlah 108 data dengan perbandingan 1:5 dimana 18 data untuk data uji dan 90 data untuk data latih dengan jumlah data tiap kelas seimbang. Hasil pengujian pada 6 kali percobaan berdasarkan nilai k yang diambil secara acak menunjukkan nilai rata-rata precision terbaik sebesar 0,49 dan nilai recall terbaik sebesar 0,53. Klasifikasi lirik lagu dengan pembobotan WIDF menunjukkan hasil akurasi yang kurang baik dengan nilai 66%. Keambiguan kata dan jumlah data latih menyebabkan nilai akurasi yang kurang optimal.
English Abstract
In a song-making, one of the main component which must be considered is lyric. Lyric in a song play a main part to deliver the emotion or meaning from the songwriter to the listener. Sometimes, the emotion means to delivered by the writer is misinterpreted by the listener. To avoid the misinterpreted song-lyric meaning manually, an automatic classification is needed. Classification is also needed to gain information about the emotion from the songs accurately. One of the method used is K-Nearest Neighbor. Before classifications process, there are several steps need to be done such as text pre-processing and weighting using WIDF method. 108 data used in this research with the ratio 1:5; in which, 18 data used for testing and 90 data used for training with the same amount of data each class. The result from 6 attempts of testing based on random K value shown the best average precision is 0,49 and the best recall is 0,53. Songs classification with WIDF weighting method shown a poor accuracy results for 66%. Ambiguity of the words and amount of data training cause the less optimal result.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FILKOM/2020/43/052003005 |
| Uncontrolled Keywords: | lirik lagu, emosi, klasifikasi, k-nearest neighbor, WIDF., song lyric, emotion, clasification, k-nearest neighbor, WIDF. |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 05 Aug 2020 08:14 |
| Last Modified: | 13 Apr 2023 06:19 |
| URI: | http://repository.ub.ac.id/id/eprint/180518 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Diajeng Ninda Armianti.pdf - Published Version Restricted to Registered users only until 31 December 2023. Download (7MB) |
Actions (login required)
 |
View Item |