Ekstraksi Emosi Majemuk Kalimat Bahasa Indonesia Menggunakan Convolutional Neural Network

Abstract

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.

Mengoptimalkan Akurasi pada Klasifikasi Emosi Majemuk Berdasarkan Semantik Kalimat Menggunakan XLM-RoBERTa

“…A similar experiment used the naïve Bayes model to extract emotional data from a text [12]. This model could produce an accuracy of 75.47%.…”