Klasifikasi Emosi untuk Teks Bahasa Indonesia Menggunakan Metode Naive Bayes

Destuardi, I. (2009) Klasifikasi Emosi untuk Teks Bahasa Indonesia Menggunakan Metode Naive Bayes. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 2207205717-Master_thesis.pdf Restricted to Repository staff only Download (8MB)

Abstract

Komunikasi dapat dilakukan melalui informasi verbal dan non-verbal. Informasi verbal dapat diperoleh berupa tulisan yang berasal dari kata, kalimat, paragraf, dan sebagainya, yang kemudian dimanfaatkan untuk penggalian informasi teks menggunakan teknik klasifikasi teks. Pada proses klasifikasi tersebut, digunakan dataset yang telah diketahui kelas emosinya, yaitu jijik, malu, marah, sedih, senang, dan takut, dengan menerapkan metode Naïve Bayes dan Multinomial Naïve Bayes. Penelitian ini menguji sejauh mana kedua metode tersebut dapat mengklasifikasikan data emosi berbahasa Indonesia. Hasil percobaan menunjukkan bahwa metode Multinomial Naïve Bayes mampu mengenali dokumen dengan tingkat akurasi sebesar 61,57% pada rasio data 0,6 melalui penerapan perlakuan yang berbeda pada tahap preprocessing data.
==================================================================================================================================
Communication can be conducted through verbal and non-verbal information. Verbal information can be obtained from written text composed of words, sentences, paragraphs, and other structures, which is then utilized for text information extraction using text classification. In the classification process, a dataset with known emotion classes—disgust, shame, anger, sadness, joy, and fear—is categorized using the Naïve Bayes and Multinomial Naïve Bayes methods. This study investigates the extent to which these two methods can effectively classify emotion data in the Indonesian language. Experimental results indicate that the Multinomial Naïve Bayes method achieves a document identification accuracy rate of 61.57% with a data split ratio of 0.6 by applying varied data preprocessing techniques.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	klasifikasi teks, emosi, model multinomial, naive hayes , text classification, emotions, multinomial model, Naive Bayes
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	28 Sep 2026 07:57
Last Modified:	28 Sep 2026 07:57
URI:	http://repository.its.ac.id/id/eprint/144980

Actions (login required)

View Item