Deteksi Emosi Berbasis Teks Untuk Menganalisis Kuliah Daring Selama Masa Pandemi Menggunakan Algoritme Support Vector Machine

Abstract

Abstrak—Pandemi Covid-19 di Indonesia semakin menyebar luas, banyak mahasiswa yang terpaksa harus melakukan aktivitas belajar melalui daring, kuliah daring ini memiliki berbagai macam efek pada mahasiswa, ada yang senang, sedih, takut, cinta, dan amarah, hal ini menyebabkan mahasiswa sering menunjukan emosinya melalui media sosial salah satunya Twitter. Pada Tugas Akhir ini digunakan algoritma Support Vector Machine 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. Hasil penelitian Tugas Akhir ini, menunjukan bahwa sistem algoritma Support Vector Machine sebagai pendeteksi emosi berbasis teks yang berkaitan dengan kuliah online, mendapatkan hasil terbaik pada pengujian tiga emosi mendapatkan hasil akurasi sebesar 81.81% pada partisi data 0.3. Sementara dengan empat emosi mendapatkan akurasi sebesar 71.86% pada partisi data 0.2. Sementara pada lima emosi mendapatkan akurasi sebesar 60.62% pada partisi data 0.3.
Kata kunci—deteksi emosi, kuliah online, support vector machine, twitter