16 Jurnal Informatika, Vol. 14, No. 1, Mei 2017, 16-21 DOI: 10.9744/informatika.14.1.16-21 ISSN 1411-0105 / e-ISSN 2528-5823 IMPLEMENTASI ALGORITMA NAÏVE BAYES MENGGUNAKAN ISEAR UNTUK KLASIFIKASI EMOSI LIRIK LAGU BERBAHASA INGGRIS Laksmita Widya Astuti 1* , Antonius Rachmat C. 1 , Yuan Lukito 1 Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Universitas Kristen Duta Wacana Jl. Dr. Wahidin Sudiro Husodo No. 5–25, Yogyakarta 55224 E-mail: laksmita.widya@ti.ukdw.ac.id, anton@ti.ukdw.ac.id, yuanlukito@ti.ukdw.ac.id * Korespondensi penulis Abstrak: Lirik lagu merupakan suatu ungkapan perasaan seseorang terhadap sesuatu hal yang sudah dilihat, didengar maupun dialaminya sehingga tidak jarang emosi menjadi salah satu kriteria user dalam melakukan pencarian. Pencarian lirik melekat pada kategori yang tidak hanya terbatas berdasarkan genre atau judul lagu, namun juga melalui emosi dari lirik lagu yang diungkapkan. Agar dapat mencapai tujuan tersebut, diperlukan suatu sistem pengkategori yang mengenali lirik lagu secara otomatis dengan salah satu metode klasifikasi yaitu Naïve Bayes. Faktor yang mendorong tingginya tingkat akurasi bukan hanya terletak pada metode klasifikasi saja, namun proses sebelum menuju tahap klasifikasi juga berpengaruh pada hasil yang didapatkan. Maka dari itu, penulis melakukan penelitian melalui beberapa tahap yaitu preprocessing berupa tokenisasi , stopword dan stemming, kemudian feature selection yang digunakan adalah TF-IDF dengan bantuan ISEAR karena mengandung 7 emosi dasar. Dari ketujuh emosi dasar tersebut, tiga diantaranya merupkan emosi yang akan digunakan dalam penelitian ini yaitu anger, sadness dan joy . Hasil dari penelitian ini menunjukkan dengan menggunakan ISEAR akurasi tertinggi terdapat pada feature set 60% dan 100% yaitu sebesar 82,2%. Perbedaan signifikan dihasilkan pada penggunaan ISEAR dengan akurasi rata-rata keseluruhan porsi featureset sebesar 77% sedangkan tanpa menggunakan ISEAR rata-rata akurasi sebesar 53%. Dokumen paling relevan untuk pengujian menggunakan ISEAR terdapat pada kategori angry dengan rata-rata f-measure sebesar 0.7267. Kata kunci: ISEAR, tf-idf, Naïve Bayes, Emosi, Lirik Lagu Abstract: Song lyric is an expression of one's feelings about something that has been seen, heard and experienced; therefore, emotion is not uncommon things for the user to be used as one of the criteria in song discovery. Searching for lyrics is close to a category that is not only limited to genres or song titles, but it can also be done through the emotions disclosed by the lyrics. In order to achieve these objectives, we build song lyrics classification based on Naïve Bayes classification method. The factors that promote high levels of accuracy do not only lie in the method of classification; as a matter of fact, the pre-proceeding stage for classification process also affects the results obtained. Therefore, we conducted research through several stages; pre-processing such as tokenization, stop word processing and stemming. The feature selection used is TF-IDF with the help of ISEAR because it contains seven basic emotions. Out of the seven basic emotions, three of them that denote emotions used in this research are anger, sadness and joy. The results of this research demonstrate that by using ISEAR, the highest accuracy occurs at 60% and 100% of the feature set is by 82.2%. The significant difference resulting in the use of ISEAR with the overall average accuracy of feature set portion is 77%; whereas, without using ISEAR, the average accuracy is around 53%. The most relevant document for testing using ISEAR falls under the emotion category of anger, with the average F- measure of 0.7267. Keywords : ISEAR, tf-idf, Naïve Bayes, Mood, Song Lyrics PENDAHULUAN Musik memiliki peran yang penting bagi ke- hidupan manusia. Selain sebagai media hiburan, musik juga merupakan media bantu diri untuk menangani perasaan emosi yang sedang di hadapi (Lerik & Prawitasari, 2005). Banyak orang salah mengartikan bahwa lagu-lagu yang memiliki irama bersemangat seperti rock, dangdut, dan country menggambarkan lagu yang ceria dan penuh kegem- biraan, sedangkan lagu mellow seperti jazz, pop, dan ballad menggambarkan makna lagu yang sedih karena memiliki irama yang lambat. Setiap bait pada lirik lagu umumnya mengandung maksud melalui gaya bahasa yang digunakan oleh pengarang. Penga- rang bebas menyampaikan emosi dengan genre yang bervariasi sesuai dengan keinginannya. Pengungkap- an emosi tersebut tidak jarang menjadi salah satu kebutuhan umum para penikmat musik, sehingga pemilihan kategori dalam pencarian lagu tidak hanya terbatas berdasarkan genre, namun juga melalui emosi dari para pencipta lagu. Pemilihan lirik lagu terutama saat user melaku- kan sebuah pencarian melekat dengan sebuah kategori agar lebih mudah dan terstruktur. Agar dapat men- capai tujuan tersebut, diperlukan mesin pengkategori