Kurniawan, Budi (2017) Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes. Sarjana thesis, Universitas Brawijaya.
Abstract
Twiter merupakan salah satu media sosial yang banyak digunakan saat ini. Selain digunakan sebagai media sosial Twitter juga digunakan untuk membaca berita. Setiap tahunnya pengguna Twitter mengalami peningkatan sehingga informasi yang ada juga semakin meningkat. Informasi yang semakin meningkat menyebabkan pengguna yang ingin mencari suatu informasi tertentu mengalami kesulitan. Untuk mengatasi masalah tersebut diperlukan pengkategorian. Pada penelitian ini menggunakan Improved Naïve Bayes untuk mengkategorikan tweets berdasarkan isi berita. Pada Improved Naïve Bayes akan dihitung nilai posterior setelah kata yang ada dilakukan pembobotan dengan menggunakan bernoulli atau angka 1 dan 0. Pada penelitian ini menggunakan delapan kategori berita berbahasa Indonesia yaitu: ekonomi, hiburan, olahraga, teknologi, kesehatan, makanan, otomotif, dan travel. Berdasarkan hasil pengujian yang telah dilakukan didapatkan hasil nilai precision 0.962961, recall 0.789164 dan f-measure sebesar 0.862973.
English Abstract
Twitter is one of the most widely used social media today. Besides being used as a social media, Twitter is also used to read news. Every year Twitter users have increased, so that information is also increasing. Increased information causes users who want to look for a certain information to experience difficulties. To solve the problem, news categorization is required. This study use Improved Naïve Bayes method to categorize tweets by news contents. In Improved Naïve Bayes posterior value will be calculated after the word is done by weighting using Bernoulli representation or by 1 and 0. This study use eight categories of news in Indonesia, which are: economy, entertainment, sports, technology, health, food, automotive, and travel. Based on the results of tests that have been done this study obtain precision value of 0.962961, recall 0.789164 and f-measure of 0.862973.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/276/051705242 |
| Uncontrolled Keywords: | Improved Naïve Bayes, Twitter, Bernoulli, Media Sosial |
| Subjects: | 000 Computer science, information and general works > 001 Knowledge > 001.012 Classification |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 27 Jul 2017 07:53 |
| Last Modified: | 30 Sep 2020 05:16 |
| URI: | http://repository.ub.ac.id/id/eprint/727 |
![[thumbnail of BAB I.pdf]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text
BAB I.pdf Restricted to Repository staff only Download (301kB) |
|
Text
BAB II.pdf Restricted to Repository staff only Download (374kB) |
|
Text
BAB III.pdf Restricted to Repository staff only Download (298kB) |
|
Text
BAB IV.pdf Restricted to Repository staff only Download (365kB) |
|
Text
BAB V.pdf Restricted to Repository staff only Download (542kB) |
|
Text
BAB VI.pdf Restricted to Repository staff only Download (298kB) |
|
Text
BAB VII.pdf Restricted to Repository staff only Download (279kB) |
|
Text
Bagian Depan (1).pdf Restricted to Repository staff only Download (339kB) |
|
Text
Daftar Pustaka.pdf Restricted to Repository staff only Download (295kB) |
Actions (login required)
 |
View Item |