View/Open

Author
Husliana, Pratiwi

Date Published
12 Feb 2026

Advisor
Winda Yulita, M.Cs.,
Radhinka Bagaskara, S.Si.Kom., M.Si., M.Sc.,

Subject
Teknik Informatika

Publisher

Penelitian ini membahas pengenalan emosi pada tweet berbahasa Indonesia menggunakan algoritma Convolutional Neural Network (CNN). Twitter merupakan media sosial yang memungkinkan pengguna mengekspresikan opini, komentar, atau keluhan yang sering mengandung emosi secara langsung maupun yang tidak langsung terlihat (tersirat). Analisis emosi pada teks Bahasa Indonesia memiliki tantangan tersendiri karena sifat teks yang singkat, informal, dan tidak baku, sehingga metode pemrosesan teks standar kurang efektif. Penelitian ini bertujuan untuk mengimplementasikan algoritma CNN pada klasifikasi emosi tweet Bahasa Indonesia, dan mengetahui akurasi model menggunakan evaluasi Confusion Matrix. Tahapan penelitian meliputi pengumpulan data tweet, text preprocessing, pelatihan model CNN, dan evaluasi performa dengan K-Fold Cross Validation. Label emosi terdiri dari lima kategori: marah, takut, senang, cinta, dan sedih. Hasil penelitian menunjukkan bahwa CNN mampu mengenali pola teks yang merepresentasikan emosi, dengan akurasi rata-rata 63%. Penggunaan stopword removal menurunkan akurasi menjadi 63%, dibandingkan 65% tanpa penghapusan stopword, yang menunjukkan bahwa kata-kata tertentu memiliki peran penting dalam menangkap konteks emosional. Kesimpulannya, CNN dapat digunakan untuk klasifikasi emosi tweet berbahasa Indonesia, namun performanya sangat dipengaruhi oleh kualitas data, tahapan preprocessing, dan cara penggunaan bahasa dalam teks.

URI
https://repo.itera.ac.id/depan/submission/SB2602180143

Keyword
Analisis Emosi Tweet Bahasa Indonesia Convolutional Neural Network Preprocessing Klasifikasi