KharismaSukarno, Agung (2016) Klasifikasi Tweets Pada Twitter Menggunakan Metode Naïve Bayes Dan Query Expansion Berbasis Apriori. Sarjana thesis, Universitas Brawijaya.
Abstract
Twitter merupakan salah satu jejaring sosial yang memungkinkan penggunanya untuk berbagi informasi yang disebut kicauan (tweets) dengan hanya 140 karakter. Tweets yang ada di beranda Twitter tercampur menjadi satu mulai dari berita olahraga, politik, kesehatan, ekonomi, teknologi, kuliner, wisata, dan lain sebagainya. Hal ini menimbulkan permasalahan, dimana jika terdapat seseorang yang ingin membaca sebuah tweets tertentu sangat kesulitan untuk memilahnya. Proses klasifikasi dapat dilakukan untuk mengkategorikan sebuah tweets. Pada proses klasifikasi yang dilakukan menggunakan algoritma Naïve Bayes. Namun, proses pengklasifikasian sebuah tweets sukar dilakukan karena sebuah tweets maksimal hanya mengandung 140 karakter. Oleh karena itu, sebelum dilakukan proses klasifikasi sebuah tweets dilakukan proses ekspansi kata terlebih dahulu dengan algoritma Query Expansion. Untuk memberikan hasil maksimal pada proses klasifikasi, terlebih dahulu dilakukan preprocessing text untuk membuang karakter yang tidak dibutuhkan pada proses klasifikasi. Pada penelitian yang dilakukan menghasilkan akurasi terbaik sebesar 82%.
English Abstract
Twitter is a social network that allows users to share information called tweets with only 140 characters. The Twitter’s homepage consists of several categories such as sports news, politics, health, economy, technology, food, travel, etc. This poses a problem, which, if there is someone who wants to read a certain tweets very difficult to sort them. The classification process can be performed to categorize a tweets. In the classification process is performed using Naïve Bayes algorithm. However, the process of classifying a tweets are so difficult because tweets contain maximum only 140 character. Therefore, before doing the classification process an expansion process is carried out tweets in advance with algorithm called Query Expansion. To provide maximum results in the classification process, first performed preprocessing text to dispose of unneeded characters in the classification process. In the study conducted to produce the best accuracy by 82%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2016/652/051610935 |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Sugiantoro |
| Date Deposited: | 19 Jan 2017 09:18 |
| Last Modified: | 22 Oct 2021 02:10 |
| URI: | http://repository.ub.ac.id/id/eprint/147234 |
Preview |
Text
125150200111126_Agung_Kharisma_Final_Dokumen_Skripsi.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |