Komparasi Metode Machine Learning dan Deep Learning untuk Deteksi Emosi pada Text di Sosial Media

Abstrak

Deteksi Emosi adalah proses pengenalan emosi manusia, merupakan proses mengekstrak emosi seperti bahagia, sedih, dan marah, yang diperoleh dari bahasa alami manusia. Gaya linguistik memiliki jangkauan yang luas, representasi emosional yang terjadi pada jutaan orang menyebabkan kesulitan untuk menyimpulkan keadaan emosi seseorang secara konkret. Multilabel dataset juga merupakan tantangan yang harus dihadapi dalam deteksi emosi. Oleh karena itu dibutuhkan studi mendalam mengenai metode yang cocok untuk proses identifikasi emosi tersebut. Penelitian ini melakukan analisis perbandingan antara metode machine learning dan metode deep learning. Metode machine learning yang digunakan dalam adalah Naïve Bayes, Random Forest, SVM, Gradient Boosting dan Logistic Regression. Sedangkan metode deep learning yang digunakan antara lain LSTM, CNN, MLP, GRU dan RNN. Pada penelitian ini diperoleh hasil bahwa Deep learning memiliki performa yang lebih baik dari machine learning, hal tersebut dapat dilihat dari nilai akurasi dari LSTM, CNN, MLP, GRU dan RNN yang melebihi nilai akurasi dari Naïve Bayes, Random Forest, SVM, Gradient Boosting dan Logistic Regression.