Support Vector Machine Dan Information Gain Untuk Klasifikasi Emosi Pada Lirik Lagu

Salah satu bentuk teks yang dapat mengekspresikan emosi adalah lirik lagu. Penelitian sebelumnya yang dilakukan oleh Citrawati Isra Salekhah yang melakukan penelitian terhadap lirik lagu didapatkan akurasi hanya 36,66%. Hal ini dikarenakan data latih yang digunakan bahasa inggris sehingga saat diterjemahkan kedalam bahasa Indonesia terjadi kesalahan makna kosakata (leksikal) yang mengakibatkan kesalahan makna yang disampaikan. Oleh karena itu dalam penelitian ini akan digunakan data latih lagu bahasa Indonesia yang telah divalidasi oleh ahli bahasa. Seleksi fitur Information Gain akan ditambahkan dengan tujuan untuk mendapatkan fitur yang relevan dalam mendeteksi emosi pada lagu. Hasil pengujian menunjukan bahwa penggunaan Support Vector Machine dan seleksi fitur Information Gain dengan data latih sebanyak 1000 baris lirik dan data uji sebanyak 300 baris lirik menghasilkan akurasi terbaik sebesar 73.3 %. Hasil ini diperoleh dengan menggunakan fungsi kernel Polynomial derajat 1. Sedangkan untuk hasil pengujian pada emosi sebanyak 20 lagu menunjukkan bahwa penggunaan Support Vector Machine dan seleksi fitur Information Gain mendapatkan hasil akurasi terbaik sebesar 70%. Hal ini menunjukan bahwa penggunaan seleksi fitur Information Gain bisa meningkatkan akurasi karena fitur yang tidak relevan terhadap target klasifikasi telah berkurang.