Klasifikasi Emosi Pada Tweet Pengguna Platform X Menggunakan Metode LSTM-GloVe Berbasis SMOTE
Main Article Content
Abstract
Perkembangan teknologi komunikasi digital yang pesat, khususnya di platform media sosial seperti X telah mengubah cara manusia berinteraksi. Komunikasi melalui teks sering kali menyulitkan dalam menginterprestasikan emosi seseorang karena tidak adanya petunjuk non-verbal seperti ekspresi wajah atau nada suara. Klasifikasi emosi dari teks menjadi penting agar pembaca dapat memahami perasaan pengirim secara lebih tepat dan merespons dengan empati. Penelitian ini bertujuan untuk mengklasifikasikan emosi dari teks menggunakan Long Short-Term Memory (LSTM) dengan embedding GloVe, serta menerapkan Synthetic Minority Over-sampling (SMOTE) untuk mengatasi ketidakseimbangan data. Data diambil dari platform X yang berisi berbagai emosi dan model dilatih untuk mengklasifikasikan lima jenis emosi: anger, happiness, sadness, fear, dan love. Hasil evaluasi menunjukkan bahwa penerapan SMOTE berhasil meningkatkan performa model, dengan akurasi mencapai 48% dan peningkatan pada precision, recall, serta f1-score dibandingkan penelitian sebelumnya [5] yang tidak menggunakan SMOTE. Peningkatan ini menunjukkan bahwa teknik SMOTE efektif dalam mengatasi masalah ketidakseimbangan data, serta penggunaan LSTM dengan embedding GloVe memberikan hasil klasifikasi emosi yang lebih akurat.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
[1] Annur, C. “Jumlah Pengguna Twitter Indonesia Duduki Peringkat ke-4 Dunia per Juli 2023”. Databoks. 1 November 2023, https://databoks.katadata.co.id/datapublish/2023/11/01/jumlah-pengguna-twitter-indonesia-duduki-peringkat-ke-4-dunia-per-juli-2023.Diakses pada 20 Maret 2024
[2] Sofia, R. N., & Supriyadi, D. (2021). Komparasi Metode Machine Learning dan Deep Learning untuk Deteksi Emosi pada Text di Sosial Media. JUPITER (Jurnal Penelitian Ilmu dan Teknik Komputer), 13(2), 130-139
[3] Sujjada, A., & Fergina, A. (2021). Implementasi Metode Vector Space Model Untuk Deteksi Emosi Menggunakan Data Teks Twitter. Jurnal RESTIKOM: Riset Teknik Informatika dan Komputer, 3(3), 116-129.
[4] Kusrini, K., & Al Fatta, H. (2020). Perbandingan Fitur Ekstraksi Untuk Klasifikasi Emosi Pada Sosial Media. Jurnal Ilmiah SINUS, 18(2), 21-30.
[5] Larasati, A., Harijanto, B., & Rahutomo, F. (2020, October). Implementasi Deep Learning Untuk Deteksi Ekspresi Emosi Pada Twitter. In Seminar Informatika Aplikatif Polinema.
[6] Saputri, M. “Indonesian-Twitter-Emotion-Dataset”. Github. 21 September 2018, https://github.com/meisaputri21/Indonesian-Twitter-Emotion- Dataset/commits/d05c283f5a7dcbc8fa5ee8884c047b3b2446088e/Twitter_ Emotion_Dataset.csv. Diakses pada 19 Desember 2023.
[7] Putra, O. V., Musthafa, A., & Wibowo, K. P. (2021). Klasifikasi Ekspresi Teks Berbahasa Jawa Menggunakan Algoritma Long Short Term Memory. Komputika: Jurnal Sistem Komputer, 10(2), 137-143.
[8] Nizar, A. Klasifikasi Emosi Pada Cuitan Di Twitter Dengan Principal Component Analysis Dan Support Vector Machine. vol, 10, 13-20.
[9] Fanesya, F., Wihandika, R. C., & Indriati, I. (2019). Deteksi Emosi pada Twitter Menggunakan Metode Naive Bayes dan Kombinasi Fitur. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(7), 6678-6686.
[10] Ardiada, I. M. D., Sudarma, M., & Giriantari, D. (2019). Text Mining pada Sosial Media untuk Mendeteksi Emosi Pengguna Menggunakan Metode Support Vector Machine dan K-Nearest Neighbour. Maj. Ilm. Teknol. Elektro, 18(1), 55.
[11] Nugraha, I. D., & Azhar, Y. (2022). Deteksi Depresi Pengguna Twitter Indonesia Menggunakan LSTM-RNN. Jurnal Nasional Pendidikan Teknik Informatika: JANAPATI, 11(3), 320-329.
[12] Cahyaningtyas, C., Nataliani, Y., & Widiasari, I. R. (2021). Analisis sentimen pada rating aplikasi Shopee menggunakan metode Decision Tree berbasis SMOTE. AITI, 18(2), 173-184.
[13] Ilham, A., Verdikha, N. A., & Latipah, A. J. (2023). Klasifikasi Ujaran Kebencian di Twitter Menggunakan Fitur Ekstraksi Glove dengan Support Vector Machine (SVM). Explore IT: Jurnal Keilmuan dan Aplikasi Teknik Informatika, 15(2), 64-72.
[14] Hasiholan, A., Cholissodin, I., & Yudistira, N. (2022). Analisis Sentimen Tweet Covid-19 Varian Omicron pada Platform Media Sosial Twitter menggunakan Metode LSTM berbasis Multi Fungsi Aktivasi dan GLOVE. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 6(10), 4653-4661.