Implementasi Lightgbm dan LLM Gemini pada Website Psychobot untuk Analisis Emosi Saat Bersosial Media

Danang Hapis Fadillah, Muhammad Rafli Octavian, Azis Marwadin, Muhammad Rahmat Dhany, Damara Kartika Sari, Elza Kayla Muthiah, Trian Radis Pengestu, Dimas Di Ajeng Duwi Saputra, Alusyanti Primawati

Abstract


Dalam lanskap digital yang secara eksponensial meningkat, pemahaman emosi pengguna dalam bersosial media menjadi krusial bagi pengembangan platform interaksi yang empathis. Penelitian ini mempersembahkan sebuah inovasi integratif, menggabungkan kekuatan LightGBM (Light Gradient Boosting Machine) dengan kecerdasan LLM (Large Language Model) Gemini dalam kerangka website Psychobot. Inovasi ini bertujuan untuk mengurai kompleksitas emosi manusia saat berinteraksi di media sosial, sebuah tantangan yang seringkali diasosiasikan dengan ketidakseimbangan data (imbalanced data). Strategi ini diperkuat dengan implementasi SMOTE (Synthetic Minority Over-sampling Technique), sebuah teknik canggih untuk mengatasi hambatan klasik tersebut. Hasil penelitian menunjukkan kinerja yang sangat mengesankan, dengan f1-score dan akurasi yang mencapai 99%. Integrasi ini tidak hanya menunjukkan potensi besar dalam meningkatkan pengalaman pengguna melalui responsivitas emosi, tetapi juga membuka peluang lebih luas dalam pengembangan aplikasi psikoteknologi yang lebih sensitif. Penelitian ini memberikan kontribusi substansial pada bidang analisis emosi, menyoroti kemampuan sinergis dari pemodelan machine learning mutakhir dan kearifan bahasa dalam mengungkap dinamika emosi digital.


Keywords


Analisis Emosi; Machine Learning; LightGBM; LLM; Psychobot

Full Text:

PDF

References


Alnaz, F. S., & Maharani, W. (2021). Analisis Emosi Melalui Media Sosial Twitter Dengan Menggunakan Metode Naïve Bayes dan Perbandingan Fitur N-gram dan TF-IDF. eProceedings of Engineering, 8(5).

An Enhanced Stroke Prediction Scheme Using SMOTE and Machine Learning Techniques. (2021). ResearchGate.

Danukusumo, Kefin Pudi. (2017). Implementasi Deep Learning Menggunakan Convolutional Neural Network Untuk Klasifikasi Citra Candi Berbasis GPU.

Latifah, R., & Erda, G. (2024). Application Of The Lightgbm Algorithm In The Classification Of Greenhouse Gas Emissions. Parameter: Journal of Statistics, 4(1), 9-15.

Fernández, A., García, S., Galar, M.,F Prati, R. C., Krawczyk, B., & Herrera, F. (2018). Learning from Imbalanced Data Sets. Springer.

Hariyadi, H., Irawan, J., Pranatawijaya, V. H., & Sari, N. N. K. (2024). Implementasi Gemini API dalam Generatif Teks Deskripsi Karya pada Pengembangan Aplikasi Pameran Karya Berbasis Web. Jurnal Teknologi Informasi dan

Ratican, J., & Hutson, J. (2023). The Six Emotional Dimension (6DE) Model: A Multidimensional Approach to Analyzing Human Emotions and Unlocking the Potential of Emotionally Intelligent Artificial Intelligence (AI) via Large Language Models (LLM). Journal of Artificial Intelligence and Robotics, 1(1).Terapan, 11(1), 21-26.

Ke, G., Meng, Q., Finley, T., Wang, T., Chen, W., Ma, W., Ye, Q., & Liu, T.-Y. (2017). LightGBM: A highly efficient gradient boosting decision tree. Advances in Neural Information Processing Systems, 30.

Kušen, E., Cascavilla, G., Figl, K., Conti, M., & Strembeck, M. (2017, August). Identifying emotions in social media: comparison of word-emotion lexicons. In 2017 5th International Conference on Future Internet of Things and Cloud Workshops (FiCloudW) (pp. 132-137). IEEE.

Rachmat, N., & Dorie, P. K. Implementasi Large Language Models Gemini Pada Pengembangan Aplikasi Chatbot Berbasis Android. Jurnal Ilmu Komputer (JUIK), 4.

Ramadhan, N. G., & Adhinata, F. D. (2021). Teknik Smote Dan Gini Score Dalam Klasifikasi Kanker Payudara. RADIAL : Jurnal Peradaban Sains, Rekayasa Dan Teknologi, 9(2), 125–134. https://doi.org/10.37971/radial.v9i2.229

Rohman, A. N., Utami, E., & Raharjo, S. (2019). Deteksi Kondisi Emosi pada Media Sosial Menggunakan Pendekatan Leksikon dan Natural Language Processing. Jurnal Eksplora Informatika, 9(1), 70-76.

Sugiyono. (2015). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.




DOI: https://doi.org/10.30998/jrami.v6i01.13500

Refbacks

  • There are currently no refbacks.


Jurnal Riset dan Aplikasi Mahasiswa Informatika (JRAMI) indexed by: