Prayoga, Faisal Aji (2017) Rancang Bangun Aplikasi Deteksi Spam Twitter Menggunakan Metode Naive Bayes Dan KNN Pada Perangkat Bergerak Android. Sarjana thesis, Universitas Brawijaya.
Abstract
Twitter saat ini adalah salah satu jaringan sosial terkemuka di seluruh dunia berdasarkan jumlah pengguna aktif bulanan setelah Facebook dan Instagram. Orang menggunakan Twitter sebagian besar untuk mengetahui lebih banyak informasi tentang berita terbaru atau mengikuti berita secara umum dengan mengikuti topik yang sedang tren. Seperti Twitter menjadi sumber berita berupa komentar dan balasan untuk berbagi ide terbaru. Oleh karena itu, beberapa aplikasi mobile yang memanfaatkan Twitter API telah dikembangkan untuk memberikan kemudahan dalam menyediakan trending topics kepada penggunanya. Topik tren Twitter menawarkan kesempatan efektif dalam pemasaran sudut pandang bagi pemasar online untuk mempromosikan konten pemasaran mereka. Konten spam di Twitter ternyata mengganggu dan mengganggu pengguna tertentu, sehingga aplikasi mobile untuk menghadirkan konten topik Twitter Twitter yang bebas spam diperlukan. Penelitian ini merancang kerangka aplikasi Android yang memungkinkan pengembang untuk membangun penerapan klasifikasi-klasifikasi spam untuk konten Twitter sebagai perpustakaan aplikasi. Penelitian ini menerapkan dua metode klasifikasi, yaitu Naïve Bayes dan K-Nearest Neighbor, untuk mengidentifikasi spam dalam topik tren Twitter. Metode klasifikasi Naive Bayes dan K-Nearest Neighbor dapat mendeteksi kandungan spam dan ham masing-masing dengan akurasi 82% dan 71%.
English Abstract
Twitter currently is one of the leading social networks worldwide based on the amount of monthly active users after Facebook and Instagram. People uses Twitter mostly to find out more information about breaking news or keeping up with news in general by following trending topics. As Twitter become a source of news breaks contents in form of comments and replies to share the newest ideas. Therefore, several mobile applications that utilize Twitter API has been developed to provide a convenient way in providing trending topics to their user. Twitter trending topics offers an effective opportunity in marketing point of view for online marketers to promote their marketing contents. Spam contents in Twitter were found to be distracting and annoying for certain users, thus mobile application to deliver spam-free Twitter trending topics contents is needed. This research designs an Android application framework that allow developers to build their own implementation of spam detection classifier for Twitter contents as application library. This research implements two classification methods, i.e. Naive Bayes and K-Nearest Neighbor, to identify spam in Twitter trending topics. The Naïve Bayes and K-Nearest Neighbor classification methods are able to detect spam and ham contents with 82% and 71% accuracy respectively.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/448/051707770 |
| Uncontrolled Keywords: | Spam, Bayes, KNN, Twitter, Android |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data > 005.2 Programming for specific types of computers, for specific operating systems, for specific user interfaces > 005.26 Programming for personal computers > 005.262 Programming in specific programming languages |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 19 Sep 2017 02:19 |
| Last Modified: | 27 Dec 2020 18:21 |
| URI: | http://repository.ub.ac.id/id/eprint/2682 |
Preview |
Text
Prayoga, Faisal Aji.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |