Mia Amalia, Mia (2016) Klasifikasi Emosi dan Sentimen pada Akun Media Sosial Teknik Informatika dengan Algoritma Synesketch. Diploma thesis, UIN Sunan Gunung Djati Bandung.
|
Text (COVER)
1_cover.pdf Download (92kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (104kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (117kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (261kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (382kB) |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (2MB) |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (106kB) |
||
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (117kB) |
Abstract
Lembaga saat ini dapat mengetahui corporate image dari dunia nyata maupun maya. Aktivitas sosial jurusan Teknik Informatika dalam bentuk interaksi melalui tweet, status atau komentar dalam media sosial dapat menggambarkan kondisi perasaan dan emosi. Mengenali emosi terutama dari data media sosial tidak mudah dilakukan karena penggunaan bahasa yang nonformal, singkatan yang tidak umum serta multi bahasa. Untuk itu perlu dibuat sistem yang mampu mengenali emosi dari teks media sosial. Proses text mining yang khas meliputi klasifikasi, text clustering, sentiment analysis. Klasifikasi emosi ini didasarkan pada enam kategori emosi dasar (marah, jijik,takut, gembira, sedih, terkejut). Sedangkan untuk sentimen didasarkan positif dan negatif. Klasifikasi ini menggunakan data tweet yang diambil dari akun official Teknik Informatika UIN Bandung. Proses pelabelan data dilakukan secara manual. Setelah melewati proses penyaringan data dari 3.024 tweet didapat 810 tweet yang digunakan dalam klasifikasi. Terdapat tiga tahap yang dilakukan yakni tahapan praproses, pembentukan synset dan klasifikasi. Tahapan klasifikasi disini menggunakan rule dari Algoritma Synesketch. Berdasarkan hasil eksperimen yang dilakukan, klasifikasi emosi menghasilkan emosi dominan gembira dengan akurasi sebesar 89%. Sedangkan klasifikasi sentimen memperoleh akurasi sebesar 90% dengan sentiment poitif dominan. Hasil ini menunjukan bahwa corporate image jurusan dari analisis pada aktivitas sosialnya dikatakan baik.
Item Type: | Thesis (Diploma) |
---|---|
Uncontrolled Keywords: | Klasifikasi Emosi, Sentimen, Text Mining, Rule, Algoritma Synesketch |
Subjects: | Applied Physics Applied Physics > Communication Engineering |
Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
Depositing User: | Sopia Respiawati |
Date Deposited: | 11 Oct 2017 02:08 |
Last Modified: | 11 Oct 2017 02:08 |
URI: | https://digilib.uinsgd.ac.id/id/eprint/4494 |
Actions (login required)
View Item |