Perbandingan Algoritma Klasifikasi terhadap Emosi Tweet Berbahasa Indonesia

Twitter merupakan jejaring sosial dimana tempat orang-orang mengutarakan ekspresi dan emosi dirinya dalam bentuk tulisan. Mengidentifikasi emosi di Twitter tidak bisa menggunakan teknik text processing yang sederhana, karena kalimat pada Twitter yang singkat dan tata bahasa yang tidak teratur. Tujuan penelitian ini adalah untuk mengetahui algoritma yang mempunyai kinerja paling baik dalam menentukan klasifikasi emosi tweet pengguna Twitter Indonesia. Algoritma yang digunakan pada penelitian ini adalah Logistic Regression dan K-Nearest Neighbor. Dan juga pada penelitian ini melihat pengaruh TF-IDF dan Tuning Hyperparameter pada kedua algoritma. Hasil evaluasi menunjukkan bahwa performa model menggunakan algoritma logistic regression dengan feature extraction TF-IDF dan Tuning Hyperparameter memberikan perfoma model paling baik dengan nilai accuracy dan f1-score masing-masing sebesar 65% dan 66%. Model tersebut digunakan sebagai model prediksi machine learning untuk mengklasifikasikan dan mengelompokkan emosi-emosi pada aplikasi generik yang dibangun pada penelitian ini.