PERBANDINGAN METODE NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI EMOSI PADA TEKS BAHASA INDONESIA

Emosi manusia merupakan peranan penting dalam komunikasi. Tak hanya interaksi antar manusia, peranan emosi juga digunakan tolak ukur interaksi antara manusia dengan komputer. Proses klasifikasi dapat dideteksi melalui ekspresi wajah, suara, dan teks. Dalam tugas akhir ini, klasifikasi emosi dideteksi melalui teks karena lebih mudah didapat dan diterapkan. Penelitian ini melakukan klasifikasi emosi untuk teks bahasa Indonesia dan meningkatkan akurasi dengan menggunakan beberapa metode klasifikasi. Emosi yang digunakan berdasarkan pendekatan kategorikal yang dibagi menjadi 6 kelas emosi tingkat dasar yaitu anger (marah), disgust (jijik), fear (takut), joy (senang), sadness (sedih), dan surprise (terkejut). Data dikumpulkan dari cerita dongeng bahasa Indonesia yang berada di internet sebanyak 1000 kalimat dengan panduan WordNet Affect List. 900 untuk data pelatihan dan 100 untuk data pengujian. Tahap pre-processing pada data meliputi tokenisasi, case normalization, deteksi stop word, dan stemming. Proses klasifikasi menggunakan metode Naïve Bayes dan Support Vector Machine (SVM). Akurasi SVM menunjukkan hasil tertinggi yaitu 91% dibanding Naïve Bayes dengan hasil 79%