PENGENALAN EMOSI PADA KALIMAT DENGAN MENGGUNAKAN METODE RNN - BIDIRECTIONAL LSTM (LONG-SHORT TERM MEMORY)

Agust, Rinaldo Kurniawan (2021) PENGENALAN EMOSI PADA KALIMAT DENGAN MENGGUNAKAN METODE RNN - BIDIRECTIONAL LSTM (LONG-SHORT TERM MEMORY). Tugas Akhir (S1) - thesis, Universitas Bakrie.

[thumbnail of Cover]
Preview
Text (Cover)
00. Cover.pdf.pdf - Submitted Version

Download (312kB) | Preview
[thumbnail of BAB I-III] Text (BAB I-III)
01. BAB I-III.pdf.pdf - Submitted Version
Restricted to Registered users only

Download (1MB)
[thumbnail of BAB IV] Text (BAB IV)
02. BAB IV.pdf.pdf - Submitted Version
Restricted to Registered users only

Download (2MB)
[thumbnail of BAB V] Text (BAB V)
03. BAB V.pdf.pdf - Submitted Version
Restricted to Registered users only

Download (9kB)
[thumbnail of Daftar Pustaka]
Preview
Text (Daftar Pustaka)
04. BAB Daftar Pustaka.pdf.pdf - Submitted Version

Download (82kB) | Preview
[thumbnail of Lampiran] Text (Lampiran)
05. Lampiran.pdf.pdf - Submitted Version
Restricted to Registered users only

Download (91kB)

Abstract

Emosional manusia adalah kebutuhan setiap manusia dalam berkomunikasi satu sama lain, baik itu komunikasi secara lisan maupun tulisan. Kita dapat memahami emosi seseorang dari cara bicaranya dan juga pola kalimat atau pemilihan kata pada kalimat ketika dia menulis sesuatu. Dengan mempelajari bagaimana pola kalimat, kita dapat mengetahui emosi dari kalimat tersebut. Dari analisis banyak kalimat yang dilakukan, kita dapat mempelajari sifat emosi seseorang. Namun, komputer tidak bisa memahami emosi dari sebuah kalimat seperti yang dilakukan manusia, sehingga dibutuhkan metode text mining yang berada dalam cakupan bidang studi machine learning. Sehingga manusia dapat memahami emosi pada kalimat yang ditulis oleh manusia dengan jumlah banyak dalam waktu cepat dengan bantuan system tersebut. Oleh karena itu, penulis ingin melakukan penelitian klasifikasi emosi pada kalimat berbahasa Indonesia dengan menggunakan metode RNN - Bidirectional LSTM dengan menggunakan dataset 8000 data kalimat yang sudah memiliki label emosi. Dengan metode ini, penulis mendapatan akurasi yang cukup baik, yaitu 74% akurasi.

Item Type: Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords: emosi, machine learning, klasifikasi, RNN, LSTM, Emotions, machine learning, classification
Subjects: Computer Science
Computer Science > Decision Support System (DSS)
Computer Science > Informatics
Thesis > Thesis (S1)
Divisions: Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User: Agust Rinaldo Kurniawan
Date Deposited: 01 Sep 2021 03:28
Last Modified: 01 Sep 2021 03:28
URI: http://repository.bakrie.ac.id/id/eprint/5343

Actions (login required)

View Item View Item