Deteksi Emosi pada Tweet Berbahasa Indonesia tentang Pembelajaran Jarak Jauh Menggunakan K-Nearest Neighbor dengan Pembobotan Kata Term Frequency-Inverse Gravity Moment

##plugins.themes.bootstrap3.article.main##

Fira Sukmanisa Yuita Arum Sari Imam Cholissodin

Abstrak

Pada Desember 2019 di kota Wuhan, China muncul sebuah kasus yang disebut sebagai coronavirus disease 2019 (Covid-19) dan menyebar dengan cepat ke penjuru dunia. Pemerintah Indonesia menerapkan kebijakan pembelajaran jarak jauh (PJJ) untuk meminimalisir penyebaran Covid-19. Pendapat mengenai PJJ disampaikan oleh masyarakat melalui tweet. Deteksi emosi adalah proses menggolongkan tweet ke dalam kelas emosi. Pembobotan kata merupakan permasalahan dasar dalam klasifikasi teks karena dapat memengaruhi akurasi. TF-IDF adalah salah satu pembobotan kata yang sering digunakan, namun TF-IDF bukan yang paling efektif karena mengabaikan label kelas. Oleh karena itu, deteksi emosi pada tweet dilakukan agar dapat mengetahui emosi tentang PJJ. Pada penelitian ini, deteksi emosi akan melalui beberapa proses yaitu preprocessing, pembobotan kata Term Frequency-Inverse Gravity Moment (TF-IGM), cosine similarity, klasifikasi menggunakan metodeĀ  K-Nearest Neighbor (KNN), dan evaluasi menggunakan confusion matrix. Berdasarkan hasil pengujian menggunakan dataset tidak seimbang, koefisien pembobotan TF-IGM teroptimal bernilai 9 yang menghasilkan accuracy tertinggi sebesar 0,55 pada k = 25. Penggunaan koefisien pembobotan TF-IGM memberikan accuracy yang kurang stabil jika dibandingkan dengan TF-IGM tanpa koefisien pembobotan. Pembobotan kata TF-IGM dan TF-IDF memiliki nilai accuracy tertingi yang sama, dan jarak antar hasil evaluasi yang kecil pada setiap k yang diujikan.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Sukmanisa, F., Sari, Y., & Cholissodin, I. Deteksi Emosi pada Tweet Berbahasa Indonesia tentang Pembelajaran Jarak Jauh Menggunakan K-Nearest Neighbor dengan Pembobotan Kata Term Frequency-Inverse Gravity Moment. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 9, p. 4033-4041, sep. 2021. ISSN 2548-964X. Tersedia pada: <https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/9835>. Tanggal Akses: 07 okt. 2022
Bagian
Artikel