BKG

Dermawan, Rezky (2018) Peringkasan Teks Untuk Deteksi Kejadian Pada Twitter Berbahasa Indonesia Dengan Metode Affinity Propagation. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

Karakteristik Twitter di mana pengguna dapat membuat tweet di mana saja dalam waktu yang singkat, memungkinkan munculnya informasi penting sebelum media berita dapat melaporkannya. Namun karena besarnya skala dan keragaman topik yang dibicarakan tweet dalam Twitter, sangat sulit untuk mengetahui kejadian relevan yang berada di suatu tempat. Oleh karena itu, diperlukan sebuah sistem yang dapat mendeteksi kejadian relevan dan memberikan ringkasan tentang kejadian tersebut. Pada penelitian ini dilakukan proses peringkasan teks untuk deteksi kejadian dokumen Twitter berbahasa Indonesia dengan metode Affinity Propagation. Melalui proses pengklasteran akan didapatkan kumpulan klaster yang menjadi representasi kejadian pada waktu dan tempat tertentu. Pengujian dilakukan pada dua jenis data, yaitu tematik yang memiliki kejadian khusus dalam rentang waktu tweet dan umum di mana tweet diambil pada rentang waktu acak. Untuk mendapatkan hasil klaster terbaik, dilakukan pengujian pada parameter Affinity Propagation yang kemudian menghasilkan nilai preference kuartil 3 dan minimum, nilai damping factor 0,3 dan 0,5, nilai changed limit 1 dan 2, nilai maksimum iterasi 250 sebagai parameter terbaik untuk pengklasteran data tematik dan umum. Hasil ringkasan dari proses pengklasteran kemudian dibandingkan dengan hasil ringkasan pakar untuk dievaluasi menggunakan metode ROGUE-N, menghasilkan nilai 0,459 dan 0,4009 secara berturut-turut pada 2 jenis data.

English Abstract

Twitter is on of many social medias where the user often tell about events that are happenings around them, ranging from insignificant to important things. Twitter’s qualities where the user could make a tweet anywhere in a brief time frame, make it feasible for critical information to appear before the media even report it. However, it is difficult to comprehend what relevant events are occuring in a specific region because of the sheer size of scale and diverse sort of tweets. Accordingly, there is a need of a framework that could do pertinent event detection and give a summary about that event. In light of the reason expressed over, this research center around text summarization for event detection of Indonesian Twitter archive utilizing Affinity Propagation. Through the process of clustering, the resulting clusters become the representation of events occuring in a specific place and time period. Two kinds of data are used for assessment, first is themathic which has spesific kind of event happening in the time frame of the tweet and second is generic where the tweet are taken from an arbitary time frame. In order to get the best resulting cluster, parametesr of Affinity Propagation are evaluated reuslting in preference of quartile 3 dan minimum, damping factor of 0,3 and 0,5, changed limit of 1 and 2, iteration maximum of 250 as the best parameters for the thematic and generic data. The result of tweet summary from the clustering process are then compared with a specialist’s summary to be evaluated by ROGUEN method, scoring 0,459 and 0,4009 respectively on two kinds of data.

Other Language Abstract

UNSPECIFIED

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/1023/051900815
Uncontrolled Keywords: twitter, affinity propagation, deteksi kejadian, peringkasan teks-twitter, affinity propagation, event detection, text sumarization
Subjects: 400 Language > 499 Non-Austronesian languages of Oceania, Austronesian languages, miscellaneous languages > 499.22 Malayo-Polynesian languages of Indonesia, Malaysia, Singapore, Brunei, East Timor; Chamic languages > 499.221 Indonesian (bahasa Indonesia)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: soegeng
URI: http://repository.ub.ac.id/id/eprint/166796
Text
Rezky Dermawan.pdf
Restricted to Repository staff only

Download

Actions (login required)

View Item View Item