Klasifikasi Emosi untuk teks berbahasa Indonesia dengan menggunakan K-Nearest Neighbor

ABSTRAK

Penggunaan emosi yang tepat dalam situasi yang tepat dapat mempengaruhi terhadap hasil dari aktifitas yang dilakukan oleh manusia. Maka dari itu perlu adanya pengklasifikasian emosi guna membantu seseorang mengatur dan mengendalikan emosi pada dirinya. Emosi dapat diklasifikasikan berdasarkan sifatnya yaiu emosi positif dan negatif. Emosi-emosi positif seperti rasa gembira dan rasa syukur mengekspresikan sebuah evaluasi atau perasaan menguntungkan, sedangkan emosi-emosi negatif seperti rasa marah atau rasa bersalah mengekspresikan sebaliknya.

Dalam penelitian ini pengklasifikasian emosi diimplementasikan pada lirik lagu yang berbahasa Indonesia, karena lagu mengandung emosi dan merupakan ekspresi hati. Salah satu pemanfaatan aplikasi klasifikasi emosi ini yaitu dalam dunia penyiaran yang berhubungan dengan program acara musik yang memerlukan adanya aplikasi penunjang dalam penyajian lagu. Proses pengklasifikasiannya menggunakan data latih yang telah diketahui kelas emosinya yaitu senang, sedih,marah, bersalah dan takut dengan menggunakan metode text mining serta menggunakan algoritma K-Nearest Neighbor. Sistem yang dikembangkan telah berhasil melakukan pengklasifikasian teks berbahasa Indonesia sesuai dengan kategori emosi dengan prosentase tertinggi pada k=5 dengan nilai 60 % sedangkan yang terendah pada k=3 dengan nilai 50 % sehingga k=5 adalah k yang optimal.

ABSTRACT

The right using emotion in the right situation can influence the result of human activities. However, it needs to classify emotion for helping someone to arrange and manage his/her emotion. Emotion can be classified based on its characteristic; positive emotion and negative emotion. Positive emotion such as happy and thank that express a profit feeling while negative emotion such as angry and fault that express otherwise.

In this research, emotion classification is implemented into Indonesian lyrics song because the song contains an expression of emotion and heart. One use of this application is the classification of emotions in the world of broadcasting programs related to music that requires the application supporting the presentation of the song. The classification process uses accustomed data that have been known the level of emotion; happy, sad, angry, fault, and afraid by using text mining method and K-Nearest Neighbor algorithm. The developing system has succeed to classify Indonesian text based on the emotion category with the highest percentage on k=5 with 60 % while the shortest percentage on k=3 with 50 % so k=5 is optimal k.