PENGENALAN EMOSI DALAM TEKS BERBAHASA INDONESIA MENGGUNAKAN LSTM

Wardani, Silviana Kusuma (2021) PENGENALAN EMOSI DALAM TEKS BERBAHASA INDONESIA MENGGUNAKAN LSTM. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (906kB)
	Text (BAB I) BAB I.pdf Download (184kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (445kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (230kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (264kB)
	Text (BAB V) BAB V.pdf Download (40kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (79kB)
	Text (SOURCE CODE) Source Code 18.11.2428 Silvia Kusuma.ipynb Restricted to Repository staff only Download (122kB)
	Text (PUBLIKASI) Publikasi 18.11.2428 Silviana Kusuma Wardani.pdf Restricted to Repository staff only Download (753kB)

Abstract

Emosi pada manusia memiliki kemampuan untuk merasakan berbagai macam emosi. Membaca atau menulis buku dapat digunakan untuk mengekspresikan emosi manusia. Seiring waktu, penelitian yang mengembangkan pengenalan emosi juga meningkat. Pengenalan emosi pada manuasia pun mulai dikenalkan pada mesin. Hal ini menjadi inti dari pengembangan penelitian ini. Kecerdasan pada otak manusia dikenalkan pada mesin dan mesin mampu mempelajari metode yang dipakai. Pengembangan terus dilanjutkan sampai mendapatkan hasil yang maksimal. Pada teks pengenalan emosi dapat dilakukan, pada teks sendiri elemen elemen emosi bisa diimplementasikan. Pada pengembangan ini teks yang digunakan menggunakan teks Bahasa Indonesia. Karena pada teks ini merupakan teks sehari hari yang digunakan. Jadi lebih mudah dipahami dan dikembangkan. Dalam penelitian ini, kami menggunakan pendekatan pembelajaran mendalam yang disebut Long Short-Term Memory untuk mengidentifikasi 5 emosi cinta, kemarahan, kesedihan, kebahagiaan, dan ketakutan pada LSTM. Dibandingkan dengan jaringan saraf berulang Reccurent Neural Network, teknologi ini mampu mengingat semua informasi masa lalu dari periode tertentu. LSTM juga dapat menyimpan informasi dari waktu ke waktu. Mereka berguna untuk tujuan prediksi deret waktu karena mereka dapat mengingat input sebelumnya. Berdasarkan permasalahan yang ada, diperlukan metode dalam melakukan melalukan prediksi dengan menggunakan metode LSTM. Pengenalan emosi kemudian diimplementasikan ke bahasa python dan kemudian penelitian ini memberikan pelatihan kepada mesin untuk dapat mengenali emosi dalam teks berbahasa Indonesia. Penelitian ini berfokus pada hasil F1-Score yang diperoleh. Hasil dari penelitian ini adalah menghasilkan F1-Score sebesar 66,67%.

Actions (login required)

View Item