Deteksi Emosi Berbasis Teks Untuk Menganalisis Kuliah Daring Selama Masa Pandemi Menggunakan Algoritme Naive Bayes

Abstract

Abstrak—Pandemi Covid – 19 muncul pertama kali pada tahun 2020 di Indonesia. Hal ini menyebabkan perubahan di berbagai aspek salah satunya pendidikan dan sosial. Media sosial banyak digunakan untuk mengekspresikan banyak hal seperti mengungkapkan emosi mereka terkait kuliah daring seperti pada Twitter. Penelitian ini bertujuan untuk mengetahui bagaimana emosi yang timbul terkait kuliah daring. Pada Tugas Akhir ini digunakan algoritme Naïve Bayes. Berdasarkan penelitian yang dilakukan oleh Shaver, emosi tersebut terdiri dari lima kelas yaitu senang, sedih, marah, takut, dan cinta. Pembagian data dibagi menjadi empat kelas emosi (senang, marah, takut, dan cinta) dan tiga kelas emosi (marah, senang, dan cinta). Data yang digunakan yaitu tweets yang diambil pada Github dan juga dilakukan web scraping pada Twitter yang diimplementasikan kedalam website. Pemodelan yang telah dibuat dilakukan pengujian menggunakan metode Confusion Matrix untuk mengetahui apakah model dapat dikatakan baik. Hasil menunjukkan bahwa sistem pendeteksi emosi berbasis teks mendapatkan akurasi sebesar 80% untuk tiga kelas emosi dengan test size 0.5, 73.20% untuk empat kelas emosi dengan test size 0.1, dan 60.87% untuk lima kelas emosi dengan test size 0.1.
Kata Kunci- Deteksi Emosi, Naïve Bayes, Text Processing.