Klasifikasi Emosi Pada Teks Menggunakan Metode Deep Learning

Abstract

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. Emosi memberikan informasi kepada seseorang untuk memahami dan mengambil keputusan yang sedang terjadi di lingkungan sekitar. Untuk mengatasi masalah di atas, perlu dilakukan 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. Metode yang diterapkan pada penelitian ini adalah metode klasifikasi menggunakan BERT (Bidirectional Encoder Represantions from Tranformers). BERT dirancang untuk melatih representasi dua arah. Sehingga model BERT pre-train dapat disesuaikan hanya dengan satu lapisan output tambahan untuk membuat model yang mutakhir. BERT adalah suatu model yang baru dikembangkan pada tahun 2019, dikarenakan model tersebut baru, masih perlu dilakukan pengembangan untuk mengoptimalkan kinerja model BERT. Dataset yang digunakan adalah data dari opini-opini seseorang di Twitter yang dikumpulkan menjadi satu ke dalam file csv. Dalam penelitian ini hyperparameters yang digunakan pada kedua model adalah 10 epoch, dan validation 0.1. Khusus untuk model IndoBERT menggunakan hyperparameters diantaranya learning rate 5e-05, epsilon 1e-08, decay 0.01, dan clipnorm 1.0. Klasifikasi emosi menggunakan BERT menghasilkan nilai akurasi sebesar 90% pada BERT Uncased dan menghasilkan akurasi 81% pada model indoBERT, sehingga model mampu mendekteksi emosi pada teks dengan tepat, parameter model mampu mendeteksi emosi pada teks dibuktikan pada proses pengujian confussion matrix dan pengujian model dengan menginputkan kalimat untuk mendeteksi emosinya. Terbukti model mampu mendeteksi emosi pada teks dengan tepat.