Text

Deteksi Emosi dari Tweet Berbahasa Indonesia Menggunakan LDA dan Konversi Expression Symbol

---

ABSTRAK

Twitter sebagai salah satu jejaring sosial yang menarik perhatian banyak masyarakat Indonesia karena dianggap sebagai tempat berbagi karya, ide, opini tentang isu-isu yang terjadi, dan media untuk mengungkapkan berbagai hal mengenai kehidupan pribadi. Kepopuleran Twitter dapat digunakan menjadi sumber data pendapat dan sentimen masyarakat yang efisien untuk pemasaran ataupun studi sosial. Salah satu bentuk studi sosial yang dapat diterapkan pada proses analisis twitter adalah deteksi emosi. Pendeteksian emosi berpotensi untuk diterapkan dalam berbagai macam aplikasi mulai dari aplikasi kesehatan, konseling, bisnis, hingga studi populasi masyarakat. Penelitian ini memanfaatkan salah satu model pemodelan topik terpopuler dan paling sederhana yaitu Latent Dirichlet Allocation (LDA) serta konversi expression symbol (emoticon/ emoji) yang menunjukkan emosi ataupun topik pada sebuah tweet untuk memperbanyak kosa kata yang merepresentasikan emosi. Kelebihan dari metode LDA yang diajukan adalah dapat mendeteksi beberapa emosi pada tweet karena pendeteksian yang dilakukan tidak bersifat kaku dan dapat menunjukkan proporsi emosi yang ada pada tweet. Penelitian ini juga membandingkan deteksi emosi menggunakan LDA dan konversi expression symbol dengan deteksi emosi menggunakan LDA (tanpa konversi expression symbol). Hasil penelitian menunjukkan bahwa deteksi emosi menggunakan LDA dan konversi expression symbol lebih baik dengan rata-rata selisih akurasi mencapai sebesar 14.096%.
Kata Kunci : Latent Dirichlet Allocation, deteksi emosi, twitter, konversi expression symbol

ABSTRACT

Twitter as one of the social networks that attracts many Indonesian people because it is considered as a place to share works, ideas, opinions about the issues that occur, and the media to express various things about personal life. Twitter's popularity can be used as an efficient source of people’s opinion and sentiment for marketing or social studies. One form of social studies that can be applied to the process of twitter analysis is emotional detection. Emotional detection has a potency to be applied in a wide range of applications ranging from health applications, counseling, business, to community population studies. This research utilizes one of the most popular and simplest topic modeling models of Latent Dirichlet Allocation (LDA) method and conversion expression symbol (emoticon / emoji) which shows the emotion or topic in a tweet to multiply the vocabulary that represents emotion. The advantages of the LDA method proposed is that it can detect some emotion on the tweet because the detection is not rigid and is able to show the proportion of emotion in the tweet. This research also compares emotional detection using LDA and conversion expression symbol with emotional detection using LDA (without conversion expression symbol). The results show that emotional detection using LDA and conversion expression symbol is better with the average difference of accuracy reached 14.096%.
Keywords : Latent Dirichlet Allocation, emotion detection, twitter, expression symbol conversion

---

Ketersediaan

537F17IV

537 F 17-iv

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

ILMU KOMPUTER/INFORMATIKA

No. Panggil

537 F 17-iv

Penerbit

: ., 2017

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1515

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Risma Mustika Cahyaningtyas

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar