Klasifikasi Ekspresi Teks Berbahasa Jawa Menggunakan Algoritma Long Short Term Memory

Abstract

Bahasa Jawa bisa dikatakan Bahasa yang unik karena bahasa Jawa mempunyai banyak arti meskipun satu kata yang sama tetapi beda daerah. Suku Jawa adalah suku terbesar yaitu 41% atau sekitar 95.217.022 jiwa. Pulau Jawa juga pengakses internet terbesar khususnya untuk media sosial yaitu 87,13%, dari data tersebut banyak informasi yang bisa didapatkan dari keaktifan suku Jawa dalam menggunakan media sosial. Khususnya adalah data tekstual, tetapi tidak mudah mendapatkan ekspresi atau emosi suku Jawa dari media sosial karena jumlah datanya sangat banyak. Maka dari itu permasalahan ini dapat di analisa. Teks mining merupakan salah satu cara yang tepat karena data media sosial lebih banyak data tekstual. Menggunakan RNN Architecture dan algoritma Longs Short Term Memory (LSTM), data tekstual akan mudah diolah karena data yang banyak akan dirapikan dan di kalsifikasikan. Sehingga data yang banyak itu akan dipilih dan olah sesuai dengan ekspresi, karena penelitian ini berfokus pada ekspresi dan emosi maka data akan di klasisfikasikan dengan LSTM. Dari hasil proses penggunaan LSTM untuk memilah ekspresi menjadi 4 yaitu marah, senang, sedih, dan takut mendapat akurasi 92%. Akurasi tersebut menunjukkan Long Short Term Memory (LSTM) efektif dalam pengklasifikasian ekspresi teks berBahasa Jawa.