ABSTRAKSI: Opini merupakan media untuk mengungkapkan perasaan seseorang dimana biasanya terdapat emosi didalam opini tersebut. Dalam kehidupan seharihari, emosi di ungkapkan secara non-verbal dengan menunjukkan ekpresi wajah dan tingkah laku seseorang. Namun dalam dunia internet, komunikasi biasa dilakukan dengan berbasiskan teks yang tidak dapat menunjukkan emosi seseorang secara langsung. Agar dapat mengetahui emosi yang terkandung pada teks, perlu dilakukan penafsiran terhadap makna bahasa yang telah disampaikan oleh seseorang atau user.
Untuk mengatasi masalah diatas, dilakukan penerapan metode klasifikasi terhadap kumpulan kalimat opini untuk menentukan jenis emosi yang ada pada teks tersebut. Emosi tersebut dikelompokkan kedalam lima kelas emosi yaitu takut, marah, jijik, sedih dan senang. Metode yang diterapkan pada penelitian ini adalah metode klasifikasi dengan skema VSM (Vector Space Model). Metode ini sangat cocok dalam pengklasifikasian data yang berbasikan teks dengan cara mengubah dokumen dan query menjadi vektor untuk dihitung kemiripan dari kedua vektor tersebut. Dataset yang akan digunakan berasal dari dataset ISEAR (International Survey on Emotion Antecedents and Reaction) dan WordNet Affect Emotion List dalam bahasa inggris yang akan diterjemahkan terlebih dahulu kedalam bahasa Indonesia.
Pengklasifikasian emosi menggunakan metode VSM menghasilkan akurasi klasifikasi sampai 94,32% dengan lima kelas emosi pada jumlah data training 80%. Cara kerja metode ini yaitu dengan menghitung bobot term dari kumpulan dokumen training dan menjadikannya kedalam vektor untuk dihitung nilai similarity sehingga dihasilkan klasifikasi emosi pada data training. Dari hasil percobaan disimpulkan bahwa pada data pengujian data training dengan menggunakan dataset ISEAR, semakin banyak data training maka menghasilkan tingkat akurasi klasifikasi yang semakin tinggi pula.
Kata Kunci : klasifikasi emosi, opini, klasifikasi, VSM (Vector Space Model)ABSTRACT: Opinion is a medium to express one's feelings which usually there has an emotion in the opinion. In everyday life, emotions expressed non-verbally by pointing out facial expressions and behavior. But in the world of internet, regular communication is done on the basis of the text can not show emotions directly. To be able to know the emotions contained in the text, is necessary to the interpretation of the meaning of language that has been submitted by a person or user.
To overcome the above problems, there need to made an application of classification method to a collection of opinion sentence to determine what kind of emotions that exist in the text. Emotions are grouped into five classes, namely emotions of fear, anger, disgust, sadness and happiness. The method applied in this study is a method of classification schemes VSM (Vector Space Model). This method is suitable in classifying data based on text by altering documents and a query vector to quantify the similarity of the two vectors. Dataset that will be used is from the dataset ISEAR (International Survey on Emotion Antecedents and Reaction) and WordNet Affect Emotion List in English, it will be translated into Indonesian.
Classification of emotions using VSM method produces a classification accuracy of up to 94.32% with a five-class emotion on the amount of training data is 80%. This method works by calculating the term weight of a collection of training documents and get it into a vector so the similarity value can be calculated to result the classification of emotions in the training data. From the experimental results with using dataset ISEAR concluded that the more used of training data, the higher level of accuracy of classification can be obtain.
Keyword: classification of emotions, opinions, classifications, VSM (Vector Space Model)