Jurnal KU
Jurnal KU
Bahasa Indonesia, 6-10 halaman, A4, Times New Roman, spasi single.
Margin: Top 3cm, Inside 3cm, Outside 2,5cm, Bottom 2,5cm
Naskah disimpan dalam format Microsoft Word 2017 atau setelahnya (*docx)
Judul artikel:
Times New Roman, 14, Bold
Capitalized Each Word.
Spasi Single
SMS(Short Message Service) adalah layanan dari sebuah ponsel untuk mengirim dan Artikel:
Paragraf
Times New Roman, 12.
menerima pesan singkat berbentuk teks dengan harga layanan yang relatif murah. Dengan
First line 1,27, Justified.
kemurahan layanan tersebut maka masyarakat Indonesia lebih memilih layanan SMSSpasi dariSingle, After 6pt
pada telepon ketika akan saling berkomunikasi. Namun pemakaian layanan SMS tersebut
memiliki kelemahan dibandingkan dengan berkomunikasi langsung via telepon. Jika
berkomunikasi lewat telepon maka seorang pengguna telepon akan mengerti kondisi
psikologi lawan bicara, apakah orang yang akan diajak bicara sedang marah, sedih, senang,
ngantuk, sehat, sakit. Hal itu dapat dengan mudah dilakukan dengan mendengar intonasi
suara lawan bicara, sehingga seseorang dapat memutuskan bagaimana sikap untuk bertindak
agar terjalin komunikasi yang baik. Tapi bagaimana hal itu dapat dilakukan jika seseorang
menggunakan layanan SMS yang tidak ada intonasi didalamnya, cara SMS yang banyak
memakai singkatan, belum lagi cara SMS anak muda jaman sekarang yang memakai kata
dan penulisan yang tidak baku sehingga banyak orang yang susah dan salah persepsi
mengartikan sebuah pesan teks.
Dengan banyaknya gaya penulisan SMS yang menggunakan singkatan, maka disini
peneliti ingin menguji Algoritma C4.5 untuk mengubah teks yang berbentuk singkatan
menjadi teks baku. Kemudian dari teks-teks yang sudah baku, maka perlu untuk menemukan
pola dan klasifikasi dari kalimat SMSagar dapat mendeteksi emosi. Konsep penemuan pola
tiap-tiap teks tersebut dapat diterapkan dengan model learning.
Metode Naive Bayes adalah salah satu model supervisedlearning(pembelajaran
terawasi) berbasis statistika dan probabilitas yang mempunyai akurasi tinggi (Kusrini dan
Emha Taufiq Luthfi, 2008). Dengan paparan analisa tersebut diatas, untuk itu penulis
bermaksud melakukan penelitian dengan judul “Supervised Learning Naïve Bayes Untuk
Deteksi Emosi SMS (Short Message Service)”. Judul Bab:
Times New Roman, 12, Left,
Spasi Single, After 6pt Bold, Capitalized Each Word
Spasi Single, After 6pt
Judul Sub Bab:
2. Tijauan Pustaka Times New Roman, 12, Left,
Bold, Capitalized Each Word
Spasi Single, After 6pt
2.1 Data mining
Data mining adalah suatu istilah yang digunakan untuk menguraikan penemuan
pengetahuan di dalam database.Data mining adalah proses yang menggunakan teknik
statistic, matematika, kecerdasan buatan, dan machine learning untuk mengekstraksi dan
mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai
database besar [11].
Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang
berarti, pola dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang
tersimpan dalam penyimpanan dengan menggunakan teknik pengenalan pola seperti teknik
statistic dan matematika [5].Adapun tahapan dari Data Mining adalah seperti gambar 1.
Gambar:
Centre, In Line with Text
Spasi Single, After 6pt
Nomor Gambar:
Times New Roman, 12,
Centre,
Spasi Single, After 6pt
2. Kata Pendukung
Yang dimaksud dengan kata pendukung adalah kata yang lebih sebagai pendukung
suatu emosi. Sebagai contoh:
a. Marah: Umumnya kata umpatan.
b. Takut: hiiii..., serem
c. Senang: horai, asik, yup, ok.
d. Sedih: aduh
3. Predikat
Yang dimaksud dengan predikat adalah mengacu pada kata dominan, dimana kata
tersebut bersifat aktif atau pasif.
4. Magic Word
Yang dimaksud dengan magic word adalah adanya penggunaan kata yang
menandakan lawan kata atau kebalikan. Sebagai contoh : tidak, nggak, ga, dll.
5. Emoticon
Emoticon menjadi faktor penting, karena pada text SMS sering ditemukan adanya
suatu penanda emosi atau keadaan seseorang. Secara umum bentuk suatu emoticon
adalah gabungan dari text dengan text atau text dengan tanda baca atau tanda baca
dengan tanda baca. Sebagai contoh : “:(“ menandakan sedih.
3.2 Flowchart Sistem
Adapun Flowchart dari sistem deteksi emosi pada penelitian ini adalah:
START
Input SMS
Scanning Kata
Deteksi
Normalisasi Stop List
Emosi
Pencarian tingkat
kemunculan, kata T Terdapat Pola
yang tidak terdapat
pola
Kalkulasi Hasil
Deteksi
Jumlahkan Hasil
Deteksi 1 & Deteksi 2
Output Hasil
END
Daftar Pustaka
[1] Atkinson. R. L. dkk, HM. 1987. Pengantar Psikologi I. Jakarta: Erlangga.
[2] Linoff,Berry. 2004. Data Mining Technique. Wiley Computer Publishing
[3] Goleman, Daniel. 2003. Emotional Intelligence. Jakarta: PT Gramedia Pustaka Utama.
[4] Kusrini.,Luthfi, Emha Taufiq. 2008. Algoritma Data Mining. Yogyakarta: Andi Offset.
[5] Larose, Daniel. 2005. Discovering Knowledge in Data: An Introduction to Data Mining.
Jhon Willey & Sons, Inc.
[6] Martin, Anthony Dio. 2003. Emotional Quality Manajement Refleksi, Revisi Dan
Revitalisasi Hidup Melalui Kekuatan Emosi. Jakarta: Arga.