Uji Akurasi Klasifikasi Emosi Pada Lirik Lagu Bahasa Indonesia

Noveanto, Mega (2022) Uji Akurasi Klasifikasi Emosi Pada Lirik Lagu Bahasa Indonesia. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover) Cover_D1041161045.pdf - Published Version Download (39kB)
	Text (Yuridis) Yuridis_D1041161045.pdf - Published Version Download (334kB)
	Text (Surat Pernyataan) SP_D1041161045.pdf - Published Version Download (78kB)
	Text (Abstrak) Abstrak_D1041161045.pdf - Published Version Download (16kB)
	Text (Kata Pengantar) Kapeng_D1041161045.pdf - Published Version Download (12kB)
	Text (Daftar Isi) Dafis_D1041161045.pdf - Published Version Download (77kB)
	Text (Daftar Lain) Daflain_D1041161045.pdf - Published Version Download (49kB)
	Text (Bab I) Bab1_D1041161045.pdf - Published Version Download (96kB)
	Text (Bab II) Bab2_D1041161045.pdf - Published Version Download (240kB)
	Text (Bab III) Bab3_D1041161045.pdf - Accepted Version Restricted to Repository staff only Download (1MB)
	Text (Bab IV) Bab4_D1041161045.pdf - Accepted Version Restricted to Repository staff only Download (525kB)
	Text (Bab V) Bab5_D1041161045.pdf - Accepted Version Restricted to Repository staff only Download (85kB)
	Text (Daftar Pustaka) Dapus_D1041161045.pdf - Published Version Download (86kB)
	Text (Lampiran) Lamp_D1041161045.pdf - Accepted Version Restricted to Repository staff only Download (2MB)

Abstract

Dengan banyaknya lagu pada saat ini, semakin sulit untuk menentukan emosi pada lagu oleh manusia, karena permasalahan tersebut maka dibutuhkan suatu model klasifikasi menggunakan text classification. Berdasarkan permasalahan tersebut, maka pada penelitian ini akan mengimplementasikan metode Multi Class Support Vector Machine (SVM) dengan Particle Swarm Optimization (PSO) sebagai tuning hyperparameter dan membandingkan pengaruh dari 3 dataset (perbaris, perbait dan keseluruhan lagu) pada kasus pengklasifikasian emosi lirik lagu. Pada kasus ini terdapat 5 emosi dasar manusia antara lain cinta (love), senang (happy), marah (anger), takut (fear), dan sedih (sadness). Berdasarkan hasil pengujian pada setiap model, skenario 2 (SVM-PSO Perbaris) memang memberikan performa model paling baik dengan nilai accuracy sebesar 92,13%. Namun jika melihat perubahan nilai performa dari evaluasi data training terhadap evaluasi data testing yang disajikan pada tabel 4.3, maka perubahan paling signifikan justru terjadi pada dataset perbait dan dataset keseluruhan lagu. Hal ini dapat terjadi karena isi atau value dari dataset perbait dan keseluruhan lagu jumlah kalimatnya lebih banyak daripada dataset perbaris. Sehingga secara kualitas akan lebih baik jika menggunakan dataset perbait atau keseluruhan lagu. Penelitian ini juga berhasil mengimplementasikan klasifikasi emosi, sehingga dapat mengklasifikasikan kelas emosi dari teks lirik lagu berbahasa Indonesia.

Actions (login required)

View Item