MEMANFAATKAN BIG DATA UNTUK MENDETEKSI EMOSI

Emosi bersifat umum dan penting untuk semua aspek kehidupan kita. Ini mempengaruhi keputusan dalam hubungan sosial. Membentuk perilaku kita sehari-hari, bahkan kenangan kita. Pada masa kini, yaitu pertumbuhan teknologi digital yang sangat berkembang seperti layanan social media merupakan penyedia sumber daya yang menyediakan data yang cukup besar. Menurut data, sekitar 64,8% penduduk Indonesia atau 171,17 juta jiwa dari total populasi penduduk Indonesia menggunakan internet. Dari banyaknya social media, twitter adalah media social yang digunakan peneliti untuk menganalisa emosi melalui kumpulan tweet. Pengguna dapat mengukapkan emosi dan perasaan lainnya melalui social media tersebut dan mempublikasikannya. Setiap tweet yang dikumpulkan secara otomatis berlabel dengan satu emosi sesuai dengan emosi hashtag nya, dan hashtag sendiri dihapus dari tweet. Teknik penyaringan dikembangkan pada set tersebut dari 400 tweet, penyaringan tersebut berupa hanya mengambil tweet dengan emosi hastag diakhir, karena jika hastag tidak diakhir kecil kemumngkinan adalah emosi penulis. Penyaringan selanjutnya menghapus tweet yang berisi url. Karena tweet yang mengandung url kecil kemungkanan merupakan luapan emosi penulis. Sejumlah besar tweet yang berisi url hanyalah sebuah informasi yang disampaikan oleh penulis. Klasifikasi data menggunakan LIBLINEAR [5] dan Multinomial Naïve Bayes (MNB), karena mereka sangat efisien bahkan untuk menangani jutaan tweet . Dengan mengimplementasi Weka ini untuk MNB serta menggunakan regresi logistik untuk cabang LIBLINEAR dan nilai-nilai default untuk semua parameter di kedua pengklasifikasi. Dengan adanya kondisi tersebut mulailah perkembangan pendeteksian emosi melalui alat-alat teknologi yang diciptakan salah satunya menggunakan big data.

Adanya data yang cukup besar ini kemudian dapat dimanfaatkan dengan berbagai kebutuhan yang membentuk suatu tujuan, tujuan tersebut dapat berupa pengolahan data untuk memonitoring pengguna. Big data merupakan data berukuran besar yang volumenya akan terus bertambah, terdiri dari berbagai jenis atau varietas data, terbentuk secara terus menerus dengan kecepatan tertentu dan harus diproses dengan kecepatan tertentu pula. Maka dari itu big data dapat berperan penting dalam menciptakan teknologi pendeteksian emosi pada layanan social media. Selain big data, data mining merupakan proses pengumpulan data dan teknologi penyimpanan yang cepat memungkinkan organisasi menghimpun jumlah data yang sangat luas. Namun big data atau data mining tidak dapat digunakan untuk mengekstrak informasi dari data yang sangat besar. Maka diperlukan suatu metode baru yang dapat menjawab kebutuhan tersebut.

Metode yang dapat digunakan untuk mengelola informasi yang besar dan luas adalah metode LSTM-GloVe, metode ini dapat digunakan untuk mendeteksi emosi pada Twitter dalam Bahasa Indonesia dengan melakukan input data berupa kalimat tweet dalam Bahasa Indonesia dengan melalui preprocessing, vektorisasi teks, dan LSTM-Glove yang menghasilkan output berupa nilai probabilitas dari setiap kelas. Nilai probabilitas yang tertinggi dapat mengambarkan emosi yang disampaikan oleh pengguna. Penggunaan metode LSTM-GloVe pada tweet berbahasa Indonesia memiliki tingkat akurasi paling tinggi mencapai 0,5 dengan menggunakan parameter learning rate sebesar 0,005, dropout sebesar 0,5, batch size sebesar 100, epoch sebesar 50 dan optimizer ADAM.

Jurnal Acuan :

Memanfaatkan big data untuk mendeteksi emosi. http://komputika.tk.unikom.ac.id/_s/data/jurnal/v2no2/1.aprianti-memanfaatkan-big-data-untuk-mendeteksi-emosi.pdf/pdf/1.aprianti-memanfaatkan-big-data-untuk-mendeteksi-emosi.pdf

Jurnal Pendukung :

Implementasi deep learning untuk deteksi ekspresi emosi pada twitter. http://jurnalti.polinema.ac.id/index.php/SIAP/article/download/775/233