Deteksi Emosi Berbasis Teks Untuk Menganalisis Kuliah Daring Selama Masa Pandemi Menggunakan Algoritme K-nearest Neighbors

Abstract

Abstrak—Pada awal tahun 2020 terjadi sebuah peristiwa pandemi Covid-19, dimana instansi pendidikan memberlakukan kegiatannya secara online. Terdapat opini yang timbul di masyarakat terutama dari para mahasiswa yang mencurahkan emosinya di media sosial terutama Twitter. Penelitian ini bertujuan untuk mengetahui bagaimana emosi yang timbul dikalangan mahasiswa terkait dengan kuliah online. Pada Tugas Akhir ini digunakan algoritma K-Nearest Neighbor sebagai metode klasifikasi teks berbahasa Indonesia. Berdasarkan penelitian yang dilakukan oleh Shaver, terdapat lima kategori emosi dasar bahasa Indonesia yaitu marah, senang, sedih, takut, dan cinta. Pembagian data dibagi menjadi data tiga label emosi marah, senang, dan cinta, dan 4 label emosi marah, senang, takut, cinta. Data yang digunakan diambil dari scraping data twitter dan data Github. Pada Tugas Akhir ini, telah dilakukan pengujian menggunakan metode Confusion Matrix untuk mengetahui seberapa baik model yang telah dibuat pada sistem deteksi emosi berbasis teks. Hasil penelitian pada tugas akhir ini menunjukan bahwa sistem pendeteksi emosi berbasis teks dapat berjalan dengan baik dengan mendapatkan akurasi 78.91% pada data tiga label emosi pada partisi data 0.1, akurasi 69.74% pada data empat label emosi pada partisi data 0.2, dan akurasi 59.12% pada data lima label emosi pada partisi data 0.1.
Kata kunci-emosi, k-nearest neighbor, text processing.