Mendeteksi emosi berdasarkan postingan sosial media x menggunakan algoritma long shortterm memory

Nadhiroh, Irni Irana Ainin (2025) Mendeteksi emosi berdasarkan postingan sosial media x menggunakan algoritma long shortterm memory. Undergraduate (S1) thesis, Universitas Merdeka Pasuruan.

[img] Text
COVER.pdf
Download (1MB)
[img] Text
BAB I.pdf
Download (388kB)
[img] Text
BAB II.pdf
Restricted to Registered users only
Download (789kB)
[img] Text
BAB III.pdf
Restricted to Registered users only
Download (979kB)
[img] Text
BAB IV.pdf
Restricted to Registered users only
Download (455kB)
[img] Text
BAB V.pdf
Restricted to Registered users only
Download (322kB)
[img] Text
DAFTAR PUSTAKA.pdf
Restricted to Registered users only
Download (445kB)
[img] Text
LAMPIRAN.pdf
Restricted to Registered users only
Download (556kB)

Abstract

Emosi memiliki peran krusial dalam interaksi manusia dan kerap tercermin melalui unggahan di media sosial. Pada platform X, ekspresi emosi banyak hadir dalam bentuk teks berbahasa Indonesia. Fokus utama kajian ini adalah identifikasi lima jenis emosi, yakni marah, takut, senang, cinta, dan sedih. Untuk melakukan identifikasi tersebut, digunakan algoritma Long Short-Term Memory (LSTM) dengan representasi kata berbasis fasttext. Proses pelatihan model menerapkan teknik Early Stopping dan evaluasi kinerja model dilakukan menggunakan metrik akurasi, presisi, recall, dan F1-score. Berdasarkan hasil pengujian, model mencapai tingkat akurasi 79% pada data test dengan performa yang relatif seimbang di setiap kategori emosi. Berdasarkan hasil testing, pendekatan menggunakan fasttext dengan LSTM terbukti mampu secara efektif mendeteksi emosi pada teks berbahasa Indonesia, khususnya pada data yang bersumber dari platform X. Penelitian ini diharapkan memberikan kontribusi bagi pengembangan studi berbasis emosi, termasuk analisis sentimen, pemantauan opini publik, serta sistem pendukung kesehatan mental.

Item Type: Thesis (Undergraduate (S1))
Uncontrolled Keywords: Sosial Media, Deteksi Emosi, Long Short-Term Memory, FastText
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Teknologi Informasi > Informatika
Depositing User: Perpustakaan Unmer Pasuruan
Date Deposited: 14 Jan 2026 01:04
Last Modified: 14 Jan 2026 01:04
URI: http://repository.unmerpas.ac.id/id/eprint/939

Actions (login required)

View Item View Item