DETEKSI EMOSI BERBASIS TEKS UNTUK  MENGANALISIS KULIAH DARING SELAMA MASA  PANDEMI MENGGUNAKAN ALGORITME SUPPORT VECTOR MACHINE

DAMAS ADIYANTO

Informasi Umum

Kode

22.04.1638

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning, Vector Analysis, Algorithm Analysis,

Dilihat

308 kali

Informasi Lainnya

Abstraksi

Pandemi Covid-19 di Indonesia semakin menyebar luas, banyak mahasiswa yang terpaksa harus melakukan aktivitas belajar melalui daring, kuliah daring ini memiliki berbagai macam efek pada mahasiswa, ada yang senang, sedih, takut, cinta, dan amarah, hal ini menyebabkan mahasiswa sering menunjukan emosinya melalui media sosial salah satunya Twitter.

Pada Tugas Akhir ini telah dilakukan analisis untuk mengetahui opini mahasiswa terkait sistem kuliah online dengan cara, mendeteksi emosi pada tweet terkait kuliah online dan data yang didapat menggunakan algoritma Support Vector Machine. Berdasarkan penelitian yang dilakukan oleh Shaver, emosi terdiri dari lima kelas yaitu senang, sedih, marah, takut, dan cinta. Pada tugas akhir ini dari lima kelas tersebut dibagi lagi menjadi empat kelas dan tiga kelas emosi. Empat kelas emosi terdiri dari senang, marah, takut dan cinta, sementara tiga kelas emosi terdiri dari marah, senang dan cinta. Data yang digunakan yaitu data yang didapat dengan melakukan web scrapping pada Twitter dan tweets yang diambil pada Github, setelah itu diimplementasikan kedalam website.

Hasil penelitian Tugas Akhir ini, menunjukan bahwa sistem algoritma Support Vector Machine sebagai pendeteksi emosi berbasis teks yang berkaitan dengan kuliah online, mendapatkan hasil terbaik pada pengujian tiga emosi mendapatkan hasil akurasi sebesar 81.81% pada partisi data 0.3. Sementara dengan empat emosi mendapatkan akurasi sebesar 71.86% pada partisi data 0.2. Sementara pada lima emosi mendapatkan akurasi sebesar 60.62% pada partisi data 0.3.

Kata Kunci: deteksi emosi, kuliah online, support vector machine, Twitter