DETEKSI EMOSI PADA TWEET DENGAN MENGGABUNGKAN CONTEXTUALIZED WORD EMBEDDING DAN CONVOLUTIONAL NEURAL NETWORK (CNN)

M FIKRI HELDIANSYAH, Drs. Edi Winarko, M.Sc., Ph.D.

2022 | Skripsi | S1 ILMU KOMPUTER

Twitter merupakan salah satu sosial media dimana menjadi tempat para penggunanya untuk saling berbagi informasi melalui teks yang memiliki batasan 280 karakter yang disebut tweet. Tweet biasanya juga memiliki emosi para penggunanya dan sudah banyak penelitian dalam mendeteksi emosi pada tweet seperti contohnya dengan menggunakan kombinasi deep learning seperti CNN dengan word embedding seperti Word2vec, namun penelitian terkait deteksi emosi yang menggunakan deep learning dan contextualized word embedding pada tweet berbahasa Indonesia masih sangat terbatas. Pada penelitian ini dilakukan deteksi emosi pada tweet berbahasa Indonesia dengan mengombinasikan model Convolutional Neural Network(CNN) dan contextualized word embedding seperti BERT dan ELMo serta traditional word embedding Word2vec sebagai ekstraksi fitur. Terdapat lima emosi yang akan dideteksi yaitu emosi marah (anger), cinta (love), takut (fear), bahagia (happy), dan sedih (sadness). Pengujian deteksi emosi pada ketiga model yaitu; BERT-CNN, ELMo-CNN, dan Word2vec-CNN, memberikan hasil paling baik pada model BERT-CNN dengan nilai macro-averaged precision sebesar 75,40, macro-average recall sebesar 71,62, dan macro-averaged f1-score sebesar 72,83. Deteksi emosi yang dilakukan pada data dengan stemming menunjukkan bahwa model Word2vec-CNN dan BERT-CNN tidak lebih baik daripada model yang menggunakan data tanpa stemming, sedangkan pada ELMo-CNN menunjukkan macro-averaged f1-score yang lebih baik pada data dengan stemming.

Twitter is one of the social media which is a place for users to share information with each other through text that has a limit of 280 characters called tweets. Tweets usually also have the emotions of their users and there have been many studies in detecting emotions in tweets, for example by using a combination of deep learning such as CNN with word embedding such as Word2vec, but research related to emotion detection uses deep learning and contextualized word embedding in tweets with Indonesian language is still very limited. In this study, emotion detection in Indonesian-language tweets be carried out by combining Convolutional Neural Network (CNN) models and contextualized word embedding such as BERT and ELMo as well as traditional word embedding Word2vec as feature extraction. There are five emotions that will be detected, namely anger, love, fear, happy, and sadness. Testing of emotion detection on the three models, namely; BERT-CNN, ELMo-CNN, and Word2vec-CNN, gave the best results on the BERT-CNN model with a macro-averaged precision value of 75.40, a macro-average recall of 71.62, and a macro-averaged f1-score of 72.83. The emotion detection performed on stemming data shows that the Word2vec-CNN and BERT-CNN models are not better than the model using data without stemming, while the ELMo-CNN shows a better macro-averaged f1-score on the stemming data.

Kata Kunci : Deteksi emosi, tweet, Convolutional Neural Network, contextualized word embedding, BERT, ELMo, Word2vec.