Uji Akurasi Klasifikasi Emosi Pada Lirik Lagu Bahasa Indonesia

Abstract

Dengan banyaknya lagu pada saat ini, semakin sulit untuk menentukan emosi pada lagu oleh manusia, karena permasalahan tersebut maka dibutuhkan suatu model klasifikasi menggunakan text classification. Berdasarkan permasalahan tersebut, maka pada penelitian ini akan mengimplementasikan metode Multi Class Support Vector Machine (SVM) dengan Particle Swarm Optimization (PSO) sebagai tuning hyperparameter dan membandingkan pengaruh dari 3 dataset (perbaris, perbait dan keseluruhan lagu) pada kasus pengklasifikasian emosi lirik lagu. Pada kasus ini terdapat 5 emosi dasar manusia antara lain cinta (love), senang (happy), marah (anger), takut (fear), dan sedih (sadness). Dari hasil penelitian yang dilakukan, metode multi class SVM dan tuning hyperparameter PSO serta penggunaan dataset perbaris menjadi model dengan nilai accuracy terbaik yaitu sebesar 92,13%. Penggunaan tuning hyperparameter PSO akan lebih berpengaruh jika digunakan pada dataset perbaris, dengan melihat nilai accuracy yang meningkat sebesar + 3,32%. Penelitian ini juga berhasil mengimplementasikan klasifikasi emosi, sehingga dapat mengklasifikasikan kelas emosi dari teks lirik lagu berbahasa Indonesia.