<![CDATA[Dampak emosi yang sangat kuat memiliki potensi untuk mempengaruhi fungsi intelektual, keseimbangan hormonal, dan kesehatan mental individu. Studi sebelumnya menunjukkan bahwa gangguan emosional dapat berkontribusi terhadap kondisi seperti depresi dan perilaku yang tidak normal. Depresi, sebagai gangguan kejiwaan yang serius, menyebabkan risiko yang tinggi, termasuk hilangnya minat hidup dan bahkan kecenderungan untuk melakukan tindakan bunuh diri. Oleh karena itu, penting untuk mendeteksi dan mengidentifikasi faktor-faktor pemicu depresi atau stres dengan tujuan memberikan pengobatan yang tepat sesuai dengan pemahaman kondisi emosi seseorang. Penelitian ini bertujuan untuk mengklasifikasikan emosi dengan memanfaatkan metode klasifikasi Support Vector Machine (SVM) guna mengidentifikasi tujuh kelas emosi dalam bahasa Inggris. Sumber data yang digunakan dalam studi ini berasal dari sumber sekunder, yakni kumpulan data International Survey on Emotion Antecedents and Reactions (ISEAR), yang terdiri dari total 7666 entri data. Sebelum langkah klasifikasi dimulai, data melalui proses pra-pemrosesan, termasuk langkah pembobotan kata menggunakan teknik Term Frequency-Inverse Document Frequency-Inverse Category Frequency (TF-IDF-ICF). Tujuan dari penelitian ini melibatkan beberapa aspek, diantaranya adalah untuk menginvestigasi pengaruh dari penerapan pembobotan TF-IDF-ICF terhadap hasil klasifikasi SVM, menentukan hyperparameter yang paling optimal untuk SVM, dan menganalisis hasil klasifikasi yang dihasilkan melalui pendekatan SVM. Dalam penelitian ini, digunakan pendekatan One Versus All (OVA) dengan menerapkan metode sequential training dan perhitungan kernel berbasis Radial Basis Function (RBF). Berdasarkan hasil penelitian yang diperoleh, dapat disimpulkan bahwa pendekatan SVM dengan penerapan pembobotan kata TF-IDF-ICF dan penggunaan hyperparameter spesifik, yaitu λ=0,5, γ=0,0001, ε=0,00001, dan C=20, mampu memberikan performa terbaik dengan mencapai rata-rata akurasi sebesar 0,59, rata-rata presisi sebesar 0,59, rata-rata recall sebesar 0,62, dan rata-rata nilai f-measure sebesar 0,59.]]>
Copyrights © 2023
