IMPLEMENTASI METODE VECTOR SPACE MODEL UNTUK DETEKSI EMOSI MENGGUNAKAN DATA TEKS TWITTER

Abstract

Makin maraknya penggunaan jejaring sosial dalam hal ini adalah Twitter, maka menjadikan aplikasi tersebut sebagai big data atau kumpulan data yang sangat besar. Secara tidak langsung penggunaan Twitter akan memberikan dampak, baik itu dampak positif maupun negatif. Salah satu dampak negatif yang terjadi adalah penyalahgunaan  dari pengguna, dimana yang awal mulanya digunakan untuk ajang saling berbagi aktivitas keseharian, sekarang berganti untuk promosi kegiatan prostitusi yang berakhir dengan sebuah kejahatan pembunuhan, sehingga muncul penelitian tentang Twitter Forensic untuk menyelidiki kasus seseorang berdasarkan data-data yang terdapat pada Twitter. Penelitian ini adalah sangat penting, karena dengan mengetahui emosi seseorang berdasarkan data posting yang ada di akun Twitter nya, sehingga dapat menambahkan data penunjang untuk kegiatan  Twitter Forensic yang memang belum dilakukan sampai saat ini. Beberapa jenis emosi yang dipergunakan pada penelitian ini adalah senang, sedih, dan marah. Salah satu cara untuk mengetahui emosi adalah dengan memanfaatkan kumpulan data Twitter sebagai data latih dan data uji untuk  mengklasifikasi emosi pengguna yang dilihat dari status atau tweet yang dipublikasikan menggunakan text mining. Sistem dibuat untuk mengklasifikasikan tweet berdasarkan jenis emosinya. Sebelum mempelajari tweet untuk membentuk model pembelajaran, tweet melalui tahap pemrosesan awal (preproccessing) yang terdiri dari case folding (pengubahan huruf besar menjadi kecil), tokenizing (pemisahan per-kata), dan filtering (karakter dan stoplist). Kemudian menghitung bobot tiap kata dengan metode TF-IDF(Term Frequency- Inverse Document Frequency), serta mengukur tingkat similaritas menggunakan metode VSM (Vector Space Model). Tiga kali pengujian dilakukan dengan total data latih 225 tweet, sebanyak 45 data latih pada pengujian tahap pertama, 75 data latih tahap kedua, dan 105 data latih untuk tahap ketiga. Hasilnya menunjukkan akurasi klasifikasi emosi tweet berkisar antara 65% – 75%.