Search for collections on Undip Repository

Klasifikasi Emosi Publik terhadap AI-Generated Artworks Menggunakan Algoritma Support Vector Machine

PUTRI, Arsya Hendratno (2025) Klasifikasi Emosi Publik terhadap AI-Generated Artworks Menggunakan Algoritma Support Vector Machine. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

[thumbnail of 1. COVER (JUDUL).pdf] Text
1. COVER (JUDUL).pdf

Download (33kB)
[thumbnail of 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf] Text
2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf

Download (121kB)
[thumbnail of 3. HALAMAN PENGESAHAN.pdf] Text
3. HALAMAN PENGESAHAN.pdf

Download (138kB)
[thumbnail of 4. KATA PENGANTAR.pdf] Text
4. KATA PENGANTAR.pdf

Download (77kB)
[thumbnail of 6. ABSTRAK.pdf] Text
6. ABSTRAK.pdf

Download (76kB)
[thumbnail of 7. ABSTRACT.pdf] Text
7. ABSTRACT.pdf

Download (77kB)
[thumbnail of 8. DAFTAR ISI.pdf] Text
8. DAFTAR ISI.pdf

Download (23kB)
[thumbnail of 11. BAB I.pdf] Text
11. BAB I.pdf

Download (88kB)

Abstract

ABSTRAK
Maraknya penggunaan kecerdasan artifisial (artificial intelligence, akronim: AI) untuk
menciptakan gambar telah memicu banyak diskursus, utamanya pada platform media sosial
X selama pemilihan umum Indonesia. Dengan pendekatan teknik pembelajaran mesin,
khususnya algoritma Support Vector Machine (SVM), penelitian ini bertujuan untuk
menganalisis dan mengklasifikasikan reaksi publik terhadap gambar yang dihasilkan oleh
AI ke dalam enam kategori emosi, yakni excitement, approval, surprise, confusion, anger,
dan disapproval. Mengingat karakteristik data media sosial yang tidak memiliki pola dengan
standardisasi tertentu dan data antarkelas yang tidak seimbang, penelitian dilakukan dengan
beberapa skenario. Penentuan skenario didasarkan pada variasi kernel. Melalui skenario
skenario ini, model mencapai kinerja paling optimal saat masalah ketidakseimbangan kelas
tidak ditangani dengan kernel linear. Model mencapai akurasi sebesar 58%; presisi 0,536;
recall 0,318; dan skor F1 0,3 dengan kelas ‘Disapproval’ mencapai skor F1 tertinggi di
antara kelas lainnya sebesar 0,73. Temuan ini menyoroti kompleksitas data media sosial
yang cenderung tidak formal dan ambigu─dalam artian, sebuah unggahan dapat
mengekspresikan lebih dari satu emosi.
Kata kunci: Klasifikasi emosi, kecerdasan artifisial, Support Vector Machine

Item Type: Thesis (Undergraduate)
Subjects: Sciences and Mathemathic
Divisions: Faculty of Science and Mathematics > Department of Informatics
Depositing User: Yemima Laras Sekarsari
Date Deposited: 30 Oct 2025 03:35
Last Modified: 30 Oct 2025 03:35
URI: https://eprints2.undip.ac.id/id/eprint/40459

Actions (login required)

View Item View Item