A PHP Error was encountered
Severity: Warning
Message: fopen(/home/rama/public_html/application/cache/sessions/rama_sessionjmqjled4vvvetnn5lp3c8eparf41dmai): failed to open stream: No space left on device
Filename: drivers/Session_files_driver.php
Line Number: 174
Backtrace:
File: /home/rama/public_html/application/core/MY_Controller.php
Line: 8
Function: __construct
File: /home/rama/public_html/application/controllers/Document.php
Line: 6
Function: __construct
File: /home/rama/public_html/index.php
Line: 296
Function: require_once
@thesis{thesis,
author={VICTOR MANUEL BATA JULIUS },
title ={DETEKSI JENIS EMOSI DARI TEKS BAHASA INDONESIA MENGGUNAKAN KEYWORD-SPOTTING DAN NAIVE BAYES},
year={2016},
url={http://e-journal.uajy.ac.id/8903/},
abstract={Sekarang ini emosi dari user memegang peranan penting untuk meningkatkan kinerja sistem komputer. Keadaan emosi user dapat dideteksi dari berbagai media seperti suara, ekspresi wajah dan teks. Deteksi emosi dari teks menjadi penting karena pertumbuhan jumlah data teks pada media online dan media komunikasi berbasis komputer. Sementara itu, penelitian menyangkut deteksi emosi dari teks bahasa Indonesia masih sedikit dilakukan. Penelitian tesis ini berfokus pada persoalan deteksi emosi dari teks bahasa Indonesia. Untuk menyelesaikan persoalan ini, dua model deteksi dikembangkan. Model yang pertama yaitu berbasis keyword-spotting dan yang kedua berbasis Naive Bayes Classifier. Model keyword-spotting bergantung pada leksikon emosi. Sebagai bagian dari model keyword-spotting, tesis ini juga mengembangkan dua leksikon : baseLex dan SoALex. Model deteksi didasarkan pada struktur hirarki dari leksikon emosi bahasa Indonesia. Bentuk hirarki ini terdiri dari dua kelas superordinate dan lima jenis emosi pada tingkat basic. Empat percobaan dilakukan untuk mengevaluasi model deteksi. Berdasarkan hasil percobaan, unjuk kerja Naive Bayes Classifier lebih baik untuk deteksi pada tingkat superordinate. Pada tingkat basic, Naive Bayes Classifier lebih baik untuk deteksi pada kelas positif. Sedangkan, keyword-spotting lebih baik untuk deteksi kelas negatif.}
}