Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network
Ekspresi wajah dapat memperkuat informasi yang disampaikan dalam sebuah komunikasi interaktif. Dalam bidang pengembangan karakter virtual khusus karakter wajah, ekspresi wajah diperlukan untuk menghidupkan karakter virtual agar terlihat natural dan alami seperti manusia. Salah satu jenis ekspresi em...
Guardado en:
Autores principales: | , , |
---|---|
Formato: | article |
Lenguaje: | EN ID |
Publicado: |
Universitas Gadjah Mada
2021
|
Materias: | |
Acceso en línea: | https://doaj.org/article/9d02876e251c468e8d00cdd9e9495f83 |
Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
id |
oai:doaj.org-article:9d02876e251c468e8d00cdd9e9495f83 |
---|---|
record_format |
dspace |
spelling |
oai:doaj.org-article:9d02876e251c468e8d00cdd9e9495f832021-11-17T04:15:42ZEkstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network2301-41562460-571910.22146/jnteti.v10i2.1051https://doaj.org/article/9d02876e251c468e8d00cdd9e9495f832021-05-01T00:00:00Zhttps://jurnal.ugm.ac.id/v3/JNTETI/article/view/1051https://doaj.org/toc/2301-4156https://doaj.org/toc/2460-5719Ekspresi wajah dapat memperkuat informasi yang disampaikan dalam sebuah komunikasi interaktif. Dalam bidang pengembangan karakter virtual khusus karakter wajah, ekspresi wajah diperlukan untuk menghidupkan karakter virtual agar terlihat natural dan alami seperti manusia. Salah satu jenis ekspresi emosi adalah ekspresi emosi majemuk (kompleks), yang merupakan gabungan dari dua atau lebih emosi dasar. Misalnya, ekspresi emosi wajah kecewa merupakan gabungan dari emosi marah dan sedih. Ekspresi wajah dapat muncul oleh adanya rangsangan emosi, salah satunya dari makna kalimat. Makalah ini bertujuan untuk mengekstraksi data emosi dari kalimat bahasa Indonesia dengan menggunakan proses klasifikasi multi-label model Convolution Neural Network (CNN) sehingga menghasilkan ekspresi wajah majemuk yang diterapkan dalam animasi karakter virtual. Adapun kelas-kelas emosi yang digunakan dalam proses klasifikasi teks adalah enam kelas emosi dasar yang meliputi marah, jijik, takut, senang, sedih, dan terkejut. Berdasarkan hasil eksperimen, model CNN dapat menghasilkan akurasi sebesar 94,5% dengan komposisi data latih dan data uji adalah 8:2. Hasil dari proses klasifikasi tersebut menunjukkan bahwa setiap kalimat dapat menghasilkan lebih dari satu kelas emosi dasar yang membentuk emosi majemuk. Tiap kelas emosi majemuk tersebut divisualisasikan menggunakan karakter wajah virtual untuk membentuk ekspresi wajah yang dapat merepresentasikan emosi majemuk.AripinWisnu AgastyaHanny HaryantoUniversitas Gadjah Madaarticleklasifikasi teksconvolutional neural networkemosi majemukkalimat bahasa indonesiaEngineering (General). Civil engineering (General)TA1-2040ENIDJurnal Nasional Teknik Elektro dan Teknologi Informasi, Vol 10, Iss 2, Pp 148-155 (2021) |
institution |
DOAJ |
collection |
DOAJ |
language |
EN ID |
topic |
klasifikasi teks convolutional neural network emosi majemuk kalimat bahasa indonesia Engineering (General). Civil engineering (General) TA1-2040 |
spellingShingle |
klasifikasi teks convolutional neural network emosi majemuk kalimat bahasa indonesia Engineering (General). Civil engineering (General) TA1-2040 Aripin Wisnu Agastya Hanny Haryanto Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network |
description |
Ekspresi wajah dapat memperkuat informasi yang disampaikan dalam sebuah komunikasi interaktif. Dalam bidang pengembangan karakter virtual khusus karakter wajah, ekspresi wajah diperlukan untuk menghidupkan karakter virtual agar terlihat natural dan alami seperti manusia. Salah satu jenis ekspresi emosi adalah ekspresi emosi majemuk (kompleks), yang merupakan gabungan dari dua atau lebih emosi dasar. Misalnya, ekspresi emosi wajah kecewa merupakan gabungan dari emosi marah dan sedih. Ekspresi wajah dapat muncul oleh adanya rangsangan emosi, salah satunya dari makna kalimat. Makalah ini bertujuan untuk mengekstraksi data emosi dari kalimat bahasa Indonesia dengan menggunakan proses klasifikasi multi-label model Convolution Neural Network (CNN) sehingga menghasilkan ekspresi wajah majemuk yang diterapkan dalam animasi karakter virtual. Adapun kelas-kelas emosi yang digunakan dalam proses klasifikasi teks adalah enam kelas emosi dasar yang meliputi marah, jijik, takut, senang, sedih, dan terkejut. Berdasarkan hasil eksperimen, model CNN dapat menghasilkan akurasi sebesar 94,5% dengan komposisi data latih dan data uji adalah 8:2. Hasil dari proses klasifikasi tersebut menunjukkan bahwa setiap kalimat dapat menghasilkan lebih dari satu kelas emosi dasar yang membentuk emosi majemuk. Tiap kelas emosi majemuk tersebut divisualisasikan menggunakan karakter wajah virtual untuk membentuk ekspresi wajah yang dapat merepresentasikan emosi majemuk. |
format |
article |
author |
Aripin Wisnu Agastya Hanny Haryanto |
author_facet |
Aripin Wisnu Agastya Hanny Haryanto |
author_sort |
Aripin |
title |
Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network |
title_short |
Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network |
title_full |
Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network |
title_fullStr |
Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network |
title_full_unstemmed |
Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network |
title_sort |
ekstraksi emosi majemuk kalimat bahasa indonesia menggunakan convolutional neural network |
publisher |
Universitas Gadjah Mada |
publishDate |
2021 |
url |
https://doaj.org/article/9d02876e251c468e8d00cdd9e9495f83 |
work_keys_str_mv |
AT aripin ekstraksiemosimajemukkalimatbahasaindonesiamenggunakanconvolutionalneuralnetwork AT wisnuagastya ekstraksiemosimajemukkalimatbahasaindonesiamenggunakanconvolutionalneuralnetwork AT hannyharyanto ekstraksiemosimajemukkalimatbahasaindonesiamenggunakanconvolutionalneuralnetwork |
_version_ |
1718426004551106560 |