IMPLEMENTASI DEEP LEARNING UNTUK DETEKSI EKSPRESI EMOSI PADA TWITTER

Larasati, Adinda Dwi and Rahutomo, Faisal and Harijanto, Budi (2020) IMPLEMENTASI DEEP LEARNING UNTUK DETEKSI EKSPRESI EMOSI PADA TWITTER. Diploma thesis, Teknologi Informasi.

	Text COVER.pdf Restricted to Registered users only Download (530kB) | Request a copy
	Text BAB I.pdf Restricted to Registered users only Download (23kB) | Request a copy
	Text BAB II.pdf Restricted to Registered users only Download (426kB) | Request a copy
	Text BAB III.pdf Restricted to Registered users only Download (372kB) | Request a copy
	Text BAB IV.pdf Restricted to Registered users only Download (589kB) | Request a copy
	Text BAB V.pdf Restricted to Registered users only Download (364kB) | Request a copy
	Text BAB VI.pdf Restricted to Registered users only Download (222kB) | Request a copy
	Text BAB VII.pdf Restricted to Registered users only Download (9kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (13kB) | Request a copy

Abstract

Twitter menjadi salah satu media berjejaring yang digunakan oleh peneliti pada bidang penelitian media sosial. Banyak hal yang bisa diteliti dari kumpulan tweet. Salah satu yang populer dilakukan adalah menganalisa emosi dari tweet. Emosi dapat dideteksi melalui ekspresi suara, wajah, maupun tulisan. Dalam penelitian ini, dilakukan deteksi ekspresi emosi pada konteks tulisan atau teks dari Twitter. Memahami emosi dengan konteks tulisan cukup sulit karena ekspresi wajah dan/atau suara tidak diketahui. Penelitian untuk menganalisa emosi yang dilakukan pada Twitter juga masih banyak yang menggunakan metode machine learning. Untuk itu penelitian kali ini dilakukan dengan metode deep learning dengan menggunakan metode LSTM-GloVe untuk mendeteksi label emosi dari suatu tweet berbahasa Indonesia. Data yang digunakan berjumlah 4.403 dari 5 jenis emosi yaitu marah, sedih, bahagia, cinta dan takut dari penelitian “Emotion Classification on Indonesian Twitter Dataset”. Dari hasil uji coba dengan menggunakan metode LSTM-GloVe didapatkan nilai precision, recall, dan F1 masing-masing sebesar 33%, 38%, dan 35%. Adapun nilai loss dan accuracy dari pengujian model tersebut sebesar 1,29 dan 0,5.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Deep Learning, LSTM, GloVe, Emosi, Twitter
Subjects:	A Computer Science > Artificial Intelligence
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Adinda Dwi L.
Date Deposited:	14 Sep 2020 09:35
Last Modified:	14 Sep 2020 09:35
URI:	http://repota.jti.polinema.ac.id/id/eprint/47

Actions (login required)

View Item