Perpustakaan judul masih dalam tahap pengembangan, admin siap menampung kritik dan saran
Implementasi Metode Multi Class Support Vector Machine Untuk Klasifikasi Emosi pada Lirik Lagu Bahasa Indonesia
Citrawati Isra Salekhah NIM. (2016) | Skripsi | Teknik Informatika
Bagikan
Ringkasan
Teks merupakan salah satu media yang digunakan untuk berkomunikasi dan menyampaikan informasi [1]. Tidak hanya memuat informasi, teks juga dapat mengekspresikan emosi [2]. Lirik lagu merupakan salah satu bentuk teks yang dapat digunakan sebagai objek dalam penelitian klasifikasi emosi. Dalam penentuan emosi, lirik lagu merupakan elemen yang memiliki makna paling kuat dalam menggambarkan emosi [3]. Penelitian terhadap klasifikasi emosi pada lirik lagu Bahasa Indonesia pernah dilakukan sebelumnya menggunakan metode K-Nearest Neighbor (K-NN) dengan nilai akurasi mencapai 60% [4]. Pada penelitian tersebut belum menghasilkan tingkat akurasi yang maksimal karena performansi metode klasifikasi yang digunakan kurang baik dalam mengklasifikasikan teks. Pada penelitian ini akan digunakan metode Multi Class Support Vector Machine karena metode tersebut merupakan metode klasifikasi yang berakar dari teori pembelajaran statistik yang hasilnya sangat menjanjikan untuk memberikan hasil yang lebih baik dari metode yang lain. Selain itu, bekerja dengan baik pada set data dengan dimensi yang tinggi [6], seperti teks. Berdasarkan hasil pengujian dari penelitian yang telah dilakukan, implementasi metode Multi Class Support Vector Machine untuk klasifikasi emosi pada lirik lagu Bahasa Indonesia ke dalam lima kategori emosi yaitu, senang sedih, marah, takut, dan bersalah menghasilkan akurasi tertinggi sebesar 36.67%. Penambahan data latih mengakibatkan metode Multi Class Support Vector Machine mengalami penurunan akurasi. Hal ini disebabkan karena mengandung banyaknya fitur yang tidak relevan dengan proses pengklasifikasian.
Ringkasan Alternatif
The text is one of the medium used to communicate and convey information [1]. Not only include information, text can also express emotions [2]. The lyrics is one form of text that can be used as an object in the study of classification of emotions. In the determination of the emotion, the lyrics is the element that has the meaning of the most powerful in describing emotions [3]. Research on classification of emotion in the lyrics of Indonesian Language never done before using the K-Nearest Neighbor (K-NN) with the value of accuracy achieved 60% [4]. On such research has yet to yield a maximum degree of accuracy because of the performance of the classification method used is less good in classifying text. This research will be used in the method of Multi Class Support Vector Machine because that method is a method of classification which is rooted in the theory of statistical learning results are very promising to give better results than other methods. In addition, works well on a set of data with a high dimension [6], as text. Based on the test results from research that has been done, the implementation method of Multi Class Support Vector Machine to classification of emotion in the lyrics of Indonesian Language into five categories of emotions i.e., happy sad, anger, fear, and guilt producing the highest accuracy of 36.67%. The addition of training data resulted in a Multi Class Support Vector Machine method experienced a decrease in accuracy. This is because it contains the large number of features that are not relevant to the process of classification.