Text
Prediksi topik pada media sosial twitter menggunakan K-Means Clustering dan Naive Bayes Classifier
ABSTRAK
Media sosial adalah sarana berbagi informasi yang populer saat ini. Salah satunya
adalah Twitter yang merupakan layanan microblogging untuk berkomunikasi
dengan teks pembaruan singkat dalam jumlah 140 karakter. Pesan ini disebut
sebagai teks pendek atau tweet yang berisi subjek suatu wacana atau dapat
dikatakan sebagai topik suatu wacana. Tujuan penelitian ini adalah untuk
mengelompokkan topik berdasarkan pesan singkat atau tweet pada akun media
sosial “detikcom” untuk memprediksi topik di periode berikutnya dengan
menggunakan implementasi dari algoritma K-Means Clustering dan Naïve Bayes
Classifier. Dalam peneltian ini menggunakan metode eksperimen dan data tweets
yang diambil dari tanggal 1 Maret 2015 sampai 1 April 2015 sebanyak 10.358
tweets. Hasil dari pengolahan data akan dijadikan perbandingan dengan data pada
periode berikutnya dan dihitung akurasinya. Dari hasil yang didapatkan rata-rata
akurasi dalam periode satu bulan adalah 100%, kemudian untuk periode mingguan
100%, dan periode harian 94.44%. Sehingga kesimpulan yang didapat adalah
algoritma K-Means Clustering dan Naïve Bayes Classifier dapat dimanfaatkan
untuk memprediksi topik pada media sosial Twitter dalam bentuk teks pendek atau
pesan singkat untuk periode berikutnya.
Bibliografi : lembar 113-115
SS00007021 | SK 7021 | UPT Perpustakaan UNJ (CD.05.2015.006) | Tersedia |
Tidak tersedia versi lain