<![CDATA[Tujuan: Penelitian ini bertujuan menerapkan metode deteksi emosi pada teks komentar mahasiswa hasil kuesener berbasis pada leksikon emosi. Label emosi dari komentar akan meningkatkan akurasi dari hasil analisis kuesener. Tujuan lain dari penelitian ini adalah melihat sejauh mana efektivitas leksikon emosi Emolex untuk deteksi emosi teks kuesener akademis.Metode: Data penelitian berasal dari komentar dan saran mahasiswa pada kuesener evaluasi pembelajaran pada IST AKPRIND tahun 2014-2017 sebanyak 3.975 komentar. Jenis emosi yang dideteksi adalah 8 jenis emosi, yaitu marah, antisipasi, jijik, takut, bahagia, sedih , terkejut dan yakin. Leksikon emosi yang digunakan adalah NRC Emolex. Langkah pertama deteksi setelah tahap pre-processing adalah ekstrak fitur emosi menggunakan daftar leksikon emosi. Langkah kedua adalah deteksi emosi dengan cara menghitung bobot terbesar dari fitur emosi yang terekstrak sebagai label emosi bagi komentar tersebut.Hasil: Hasil penelitian menunjukkan bahwa dari seluruh data yang dideteksi, 46,7% dapat diketahui label emosinya. Dari yang diketahui label emosinya 3 prosentase tertinggi ada pada label Sadness (18,5%), Joy(17,1%) dan Fear (14,0%). Dari penelitian terungkap bahwa kinerja emolex untuk deteksi emosi masih belum memuaskan. Hal ini sangat mungkin disebabkan karena baru 37% pustaka Emolex memiliki label emosi.State of the art: Ditemukan kelemahan leksikon NRC Emolex sebagai hasil translate dari bahasa inggris antara lain, banyak leksikon belum diberikan label emosi dan efek translate menjadi dua atau tiga kata dalam bahasa Indonesia sehinggat tidak dapat digunakan.]]>
Copyrights © 2021
