Penerapan Deep Learning Pada Model Klasifikasi Emosi Berbasis Data Social Media Twitter (X) Menggunakan Metode CNN-LSTM
Emosi adalah kondisi mental yang kompleks dan dipengaruhi oleh berbagai hal yang sering kali terekspresikan melalui bahasa, termasuk pada media sosial seperti Twitter (X). Twitter banyak digunakan oleh pengguna untuk mengekspresikan diri, sehingga teks dalam tweet tidak hanya menyampaikan informasi tetapi juga mencerminkan perilaku dan kondisi emosional. Pola emosi negatif yang terekspresikan melalui media sosial kerap dikaitkan dengan risiko lebih tinggi terhadap masalah psikologis seperti stres dan depresi. Penelitian ini bertujuan membangun klasifikasi emosi menggunakan metode Convolutional Neural Network (CNN), Long Short-Term Memory (LSTM), serta kombinasi CNN-LSTM. Data penelitian terdiri atas 4.401 tweet yang telah melalui tahap pra-pemrosesan meliputi case folding, text cleaning, tokenization, spell normalization, stopword removal, dan stemming. Representasi kata dilakukan dengan Word2Vec dan pembagian data menggunakan Stratified K-Fold Cross Validation dengan 5 fold. Model dievaluasi menggunakan confusion matrix dengan perhitungan accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa model CNN-LSTM memberikan performa lebih unggul dibandingkan CNN maupun LSTM murni, dengan capaian accuracy 0,61, precision 0,62, recall 0,61, dan F1-score 0,61. Dengan demikian, kombinasi CNN-LSTM terbukti efektif dalam menangkap fitur spasial dan temporal pada teks untuk meningkatkan akurasi klasifikasi emosi berbasis data media sosial.
URI
https://repository.itera.ac.id/depan/submission/SB2506090008
Keyword
Deep Learning CNN LSTM CNN-LSTM Klasifikasi Emosi Twitter