DETEKSI EMOSI MEDIA SOSIAL MENGGUNAKAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY

Arif Nur Rohman, Riska Dwi Handayani, Ryan Dwi Y. P., Kusrini Kusrini

Sari


Pada saat ini, manusia cenderung mengekspresikan pendapat, dan emosi melalui media sosial. Keterbukaan ekspresi pada media sosial membuat batasan batasan pribadi seseorang menjadi lebur. Orang tidak lagi sungkan menulis kehidupan pribadinya melalui postingan status pembaharuan untuk dilihat oleh orang lain. Penulis mencoba menggunakan data dari media sosial agar dapat dilakukan analisis untuk mendapatan informasi kepribadian termasuk emosi. Sebelum dianalisis, data dilakukan pra pemrosesan membuang symbol dan icon, normalisasi teks, stemming dan membuang stopword terlebih dahulu untuk memperbaiki data dari media sosial yang menggunakan bahasa tidak baku. Pra pemrosesan memperoleh hasil akhir 365 dataset yang dipisah menjadi 265 data latih dan 100 data uji. Tiap data sudah memiliki label emosi yang diberikan secara manual oleh pengguna facebook selaku penulis dari postingan. Perhitungan dilakukan dengan TF IDF untuk mendapatkan bobot tiap kata atau token, lalu label emosi data latih dengan nilai tertinggi diberikan pada data yang diuji. Dari 100 data uji diperoleh akurasi 59%, selebihnya 41% tidak akurat. Emosi dianggap hal penting yang berpengaruh pada seseorang dalam pengambilan keputusan, sehingga deteksi emosi seseorang dapat dimanfaatkan sebagai input sistem pendukung keputusan penerimaan pegawai dan konseling kepribadian.

Kata Kunci


Deteksi Emosi; Media Sosial; TF-IDF

Teks Lengkap:

PDF

Referensi


P. S. Dandannavar, S. R. Mangalwede, and P. M. Kulkarni, “Sosial Media Text - A Source for Personality Prediction,” 2018 Int. Conf. Comput. Tech. Electron. Mech. Syst., pp. 62–65, 2018.

T. Rabeya, S. Ferdous, H. S. Ali, and N. R. Chakraborty, “A survey on emotion detection: A lexicon based backtracking approach for detecting emotion from Bengali text,” in 20th International Conference of Komputer and Information Technology, ICCIT 2017, 2018, vol. 2018-Janua, pp. 1–7.

F. H. Rachman, R. Sarno, and C. Fatichah, “CBE: Corpus-based of emotion for emotion detection in text document,” in Proceedings - 2016 3rd International Conference on Information Technology, Komputer, and Electrical Engineering, ICITACEE 2016, 2017, pp. 331–335.

M. F. Alhamid, S. Alsahli, M. Rawashdeh, and M. Alrashoud, “Detection and Visualization of Arabic Emotions on Sosial Emotion Map,” in Proceedings - 2017 IEEE International Symposium on Multimedia, ISM 2017, 2017, vol. 2017-Janua, pp. 378–381.

S. Al-Saaqa, H. Abdel-Nabi, and A. Awajan, “A Survey of Textual Emotion Detection,” in 2018 8th International Conference on Komputer Science and Information Technology, CSIT 2018, 2018, pp. 136–142.

A. N. Rohman, E. Utami, and S. Raharjo, “Deteksi Emosi Media Sosial Menggunakan Pendekatan Leksikon dan Natural Language Processing,” pp. 70–76, 2019.

L. Povoda, R. Burget, and M. K. Dutta, “Sentiment analysis based on Support Vector Machine and Big Data,” in 2016 39th International Conference on Telecommunications and Signal Processing, TSP 2016, 2016, pp. 543–545.

S. X. Mashal and K. Asnani, “Emotion intensity detection for sosial media data,” Proc. Int. Conf. Comput. Methodol. Commun. ICCMC 2017, vol. 2018-Janua, no. Iccmc, pp. 155–158, 2018.

C. S. Montero, H. Haddad, and M. Mozgovoy, Detecting the Likely Causes Behind the Emotion Spikes of In fl uential Twitter Users, vol. 1. Springer International Publishing.

a) Buku : O. W. Purbo, 2019, Text Mining Analisis MedSos Kekuatan Brand dan Intelejen di Internet, Andi, Yogyakarta.




DOI: http://dx.doi.org/10.22303/csrid.11.3.2019.140-148

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##

##submission.license.cc.by4.footer##

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License

CSRID Journal Editor's Office:

Universitas Potensi Utama. Jl. K.L. Yos Sudarso Km 6,5 No.3-A Telp. (061) 6640525 Ext. 214 Tanjung Mulia Medan 20241