Klasifikasi Emosi pada Teks dengan Menggunakan Metode Deep Learning

Emosi merupakan reaksi dari tubuh manusia ketika mendapatkan reaksi terhadap sesuatu yang dapat disampaikan secara nonverbal yaitu dengan menunjukan ekspresi wajah ataupun perilaku. Dalam dunia digital, lebih tepatnya media sosial yang berbasiskan teks, manusia mengekspresikan emosinya melalui teks dan perlu dilakukan analisa untuk mengetahui emosi yang disampaikan oleh orang tersebut. Untuk mengatasi masalah diatas, perlu melakukan metode klasifikasi pada kalimat-kalimat opini untuk mengetahui jenis emosi yang ada dalam teks tersebut, lalu emosi tersebut dikelompokan menjadi sembilan kelas emosi yaitu marah, takut, sedih, netral, bahagia, tertarik, percaya, kaget, dan jijik. Semua jenis emosi tersebut dapat  mewakilkan emosi pada manusia. Metode yang diterapkan pada penelitian ini adalah metode klasifikasi menggunakan BERT (Bidirectional Encoder Represantions from Tranformers). Dataset yang digunakan adalah data dari opini-opini seseorang di twitter yang dikumpulkan menjadi satu kedalam file csv. Klasifikasi emosi menggunakan BERT menghasilkan nilai akurasi sebesar 89.2% dengan sembilan kelas emosi pada data training, dan menghasilkan akurasi 76 % pada metode indoBER