Klasifikasi Emosi Pada Pengguna Twitter Menggunakan Metode Klasifikasi Decision Tree

Abstract

Abstrak Twitter merupakan salah satu media sosial yang memiliki banyak pengguna aktif di dunia, salah satunya Indonesia. Media sosial ini telah menjadi sarana komunikasi dalam berinteraksi dan sebagai sarana untuk membagikan pendapat, perasaan, dan pemikiran yang dirasakan oleh seseorang. Komunikasi yang terjadi pada twitter ini bersifat secara tidak langsung, sehingga perasaan atau emosi yang dirasakan oleh seseorang tersebut hanya dapat dilihat dalam bentuk teks pada tweet yang dipublikasikan. Oleh karena itu, dibutuhkan sistem klasifikasi dalam interaksi sosial media untuk mengetahui emosi atau kondisi seseorang yang dikategorikan menjadi lima jenis emosi dasar yang dikemukakan oleh Shaver yaitu anger, love, sadness, happy, dan fear. Metode yang digunakan dalam penelitian ini adalah metode decision tree untuk untuk melakukan klasifikasi emosi pada tweet dan menggunakan metode TF-IDF untuk melakukan pembobotan kata. Pada penelitian ini mendapatkan hasil dengan tingkat akurasi terbaik sebesar 55% dengan rata-rata nilai precision 54%, recall 53%, dan f1-score 53%. Kata kunci : klasifikasi, emosi, twitter, decision tree Abstract Twitter is one of the social media that has many active users in the world, one of which is Indonesia. This social media has become a means of communication in interacting and as a means of share opinions, feelings, and thoughts that are felt by someone. The communication that occurs on Twitter is indirectly, so the feelings or emotions that felt by someone can only be seen in the form of text in published tweets. Therefore, it takes a classification system in social media interactions to know the emotions or conditions of a person categorized into five basic types of emotions expressed by Shaver namely anger, love, sadness, happy, and fear. The method used in this study is decision tree method to do emotional classification on tweet and use TF-IDF method to do word weighting. In this study obtained result with the best accuracy rate of 55% with an average precision value of 54%, recall 53%, and f1-score 53%. Keywords: classification, emotion. twitter. decision tree