@article{Astuti_Rachmat C._Lukito_2017, title={IMPLEMENTASI ALGORITMA NAÏVE BAYES MENGGUNAKAN ISEAR UNTUK KLASIFIKASI EMOSI LIRIK LAGU BERBAHASA INGGRIS}, volume={14}, url={https://jurnalinformatika.petra.ac.id/index.php/inf/article/view/20539}, DOI={10.9744/informatika.14.1.16-21}, abstractNote={<!-- p { margin-bottom: 0.17in; direction: ltr; color: rgb(0, 0, 0); text-align: justify; }p.western { font-family: "Times New Roman", serif; font-size: 10pt; }p.cjk { font-family: "Times New Roman", serif; font-size: 10pt; }p.ctl { font-family: "Times New Roman", serif; font-size: 12pt; }em.ctl { font-family: "Times New Roman", serif; font-style: normal; }a:visited { color: rgb(128, 0, 128); }a.western:visited { }a.cjk:visited { }a.ctl:visited { }a:link { color: rgb(0, 0, 255); } --> <p class="western" style="margin-left: 0.39in; margin-right: 0.39in; margin-bottom: 0in; line-height: 95%;"><span style="font-size: small;"><span style="color: #000000;"><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">Lirik lagu merupakan</span></span></span><span style="font-size: xx-small;"><em><span style="color: #000000;"><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><span style="background: #ffffff;"> </span></span></span></span></em></span><em class="western"><span style="color: #000000;"><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><span style="background: #ffffff;">suatu ungkapan </span></span></span></span></em><span style="color: #000000;"><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><span style="background: #ffffff;">perasaan seseorang terhadap sesuatu hal yang sudah dilihat, didengar maupun dialaminya</span></span></span></span><span style="color: #000000;"><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> sehingga</span></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> tidak jarang emosi menjadi salah satu kriteria </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>user </em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">dalam melakukan pencarian. Pencarian lirik melekat pada kategori yang tidak hanya terbatas berdasarkan </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>genre</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> atau judul lagu, namun juga melalui emosi dari lirik lagu yang diungkapkan. Agar dapat mencapai tujuan tersebut, diperlukan suatu sistem pengkategori yang mengenali lirik lagu secara otomatis dengan salah satu metode klasifikasi yaitu Naïve Bayes. Faktor yang mendorong tingginya tingkat akurasi bukan hanya terletak pada metode klasifikasi saja, namun proses sebelum menuju tahap klasifikasi juga berpengaruh pada hasil yang didapatkan. Maka dari itu, penulis melakukan penelitian melalui beberapa tahap yaitu </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>preprocessing </em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">berupa </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>tokenisasi</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">, </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>stopword</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> dan </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>stemming, </em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">kemudian </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>feature selection</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> yang digunakan adalah TF-IDF dengan bantuan ISEAR karena mengandung 7 emosi dasar. Dari ketujuh emosi dasar tersebut, tiga diantaranya merupkan emosi yang akan digunakan dalam penelitian ini yaitu </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>anger, sadness</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> dan </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>joy</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">. Hasil dari penelitian ini menunjukkan dengan menggunakan ISEAR akurasi tertinggi terdapat pada </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>feature set </em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">60% dan 100% yaitu sebesar 82,2%. Perbedaan signifikan dihasilkan pada penggunaan ISEAR dengan akurasi rata-rata keseluruhan porsi </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>featureset </em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;">sebesar 77% sedangkan tanpa menggunakan ISEAR rata-rata akurasi sebesar 53%. Dokumen paling relevan untuk pengujian menggunakan ISEAR terdapat pada kategori </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>angry</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> dengan rata-rata </span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"><em>f-measure</em></span></span><span style="font-size: x-small;"><span style="letter-spacing: -0.4pt;"> sebesar 0.7267.</span></span></span></p>}, number={1}, journal={Jurnal Informatika}, author={Astuti, Laksmita Widya and Rachmat C., Antonius and Lukito, Yuan}, year={2017}, month={May}, pages={16-21} }