Klasifikasi Emosi Pada Tekas Bahasa Indonesia Menggunakan Metode K-Nearest Neighbor Dengan Pembobotan Widf

Abdul Gani, Wildan (2016) Klasifikasi Emosi Pada Tekas Bahasa Indonesia Menggunakan Metode K-Nearest Neighbor Dengan Pembobotan Widf. Diploma thesis, Universitas Komputer Indonesia.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Emosi merupakan sebuah ekspresi dari suatu keadaaan yang berkaitan dengan perasaan seseorang yang dipengaruhi berbagai faktor baik internal maupun eksternal. Dalam mengekpresikan sebuah emosi seseorang biasanya menggunakan berbagai cara salah satunya dalam sebuah tulisan. Sebuah tulisan yang mengandung emosi sangat sulit untuk ditafsirkan oleh pembaca karena dipengaruhi oleh sudut pandang yang berbeda antara penulis dan pembaca. Maka dari itu untuk memudahkan pembaca mengetahui emosi dari sebuah tulisan bisa menggunakan cara klasifikasi. Pada penelitian ini metode yang digunakan dalam mengklasifikasikan emosi pada teks yaitu K-Nearest Neighbor, pemilihan metode ini didasarkan pada penelitian yang dilakukan yang menjelaskan bahwa metode ini memiliki kinerja yang baik dengan hasil akurasi sampai 86%. Pada penelitian sebelumnya yang telah dilakukan dengan tahapan proses dari mulai preprocessing, pembobotan TF.IDF dan pengklasifikasian hasil akurasi yang didapat masih kurang sekitar 60%, hal ini dipengaruhi oleh beberapa kelemahan salah satunya dalam metode pembobotan yang digunakan. Oleh karena itu dalam penelitian ini metode pembobotan yang akan digunakan adalah WIDF yang memiliki kinerja yang baik dan pengembangan dari TF.IDF. Berdasarkan hasil pengujian dari penelitian ini yang mengimplementasikan lirik lagu bahasa Indonesia dalam mengklasifikasikan emosi dengan metode K-Nearest Neighbor dan pembobotan WIDF ke dalam lima kategori yaitu senang, takut, marah, sedih dan bersalah, menghasilkan akurasi sebesar 73.3% pada nilai K = 5. Untuk nilai relevansi dari setiap kategori emosi dengan menggunakan precision dan recall menghasilkan nilai rata-rata terbaik pada kategori ��Takut�� untuk precision, dan kategori ��Marah�� untuk recall.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Emosi, Klasifikasi, K-Nearest Neighbor, Pembobotan WIDF
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2016
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 07:37
Last Modified: 16 Nov 2016 07:37
URI: https://repository.unikom.ac.id/id/eprint/2650

Actions (login required)

View Item View Item