Klasifikasi Emosi pada Twitter menggunakan Metode Multiclass Support Vector Machine

Alif Septian Nurdianto

Informasi Umum

Kode

113104192

Klasifikasi

003.3 - Computer science- system- computer modeling and simulation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

30 kali

Informasi Lainnya

Abstraksi

Sekarang ini sosial media berkembang dengan sangat pesat, banyak orang yang saling berinteraks i dengan menggunakan sosial media, bahkan jutaan pengguna sosial media membuat status dan bertukar opini tentang berbagai aspek kehidupan setiap harinya. Melalui sosial media seseorang dapat dengan bebas mengungkapkan perasaan, pendapat, dan pemikirannya s ehingga secara tidak langsung status yang ditulis di sosial media menunjukkan ekspresi wajah dan tingkah laku seseorang. Berbeda dengan komunikasi biasa yang berinteraksi langsung dengan orang yang diajak bicara dimana emosinya dapat langsung diketahui. Un tuk mengetahui emosi seseorang di sosial media perlu dilakukan preprocessing dan analisis terhadap status yang dituliskan seseorang. <br> Tugas akhir ini bertujuan untuk menentukan emosi seseorang di sosial media dengan cara menganalisis dan mengklasifikasikan status yang ditulis kedalam lima jenis emosi yaitu marah, sedih, senang, takut, dan netral. Dataset yang akan digunakan pada penelitian tugas akhir ini diambil langsung dari www.twitter.com . Metode yang diterapkan pada penelitian ini menggunakan metode mu lticlass Support Vector Machine (SVM). Metode multiclass SVM dapat mengklasifikasikan data lebih dari dua kelas berbeda dengan SVM biasa yang hanya dapat mengklasifikasikan hanya dua kelas saja. Pengklasifikasian tweet ke dalam suatu jenis emosi tidak hany

a diklasifikasikan berdasarkan kata

kata yang terdapat dalam tweet saja tetapi juga berdasarkan emoticon dan hashtag. Emoticon dan hashtag digunakan untuk klasifikasi emosi karena emoticon dan hashtag dapat menggamba rkan suatu emosi dalam tweet . Oleh karen a itu sosial media khususnya twitter merupakan sumber daya data yang sangat kaya untuk mengidentifikasi sifat dan karakter seseorang. Emosi, Sosial Media, Klasifikasi, Multiclass SVM