Claudy, Yessivha Imanuela (2017) Klasifikasi Dokumen Twitter Untuk Mengetahui Karakter Calon Karyawan Menggunakan Algoritme K-Nearest Neighbor (KNN). Sarjana thesis, Universitas Brawijaya.
Abstract
Text mining merupakan proses penambangan teks yang berguna untuk mengambil makna penting didalamnya agar dapat dilakukan klasifikasi. Pada penelitian ini, dilakukan klasifikasi untuk mengetahui karakter calon karyawan berdasarkan tweet-tweet dari suatu perusahaan. Tweet yang berasal dari Calon Karyawan akan di proses dan setelah itu menghasilkan Karakter-karakter sebagai salah satu acuan dalam penempatan Calon karyawan tersebut. Lalu Karakter-karakter Karyawan ini dibagi menjadi empat kelompok besar sesuai konsep MBTI (Myers-Briggs Type Indicator) yaitu Artisan, Guardian, Idealist, dan Rasional. Selain itu baik Artisan, Guardian, Idealist dan Rasional juga memiliki Ciri-ciri dan Indikator masing-masing. Setelah mendapatkan Tweet Calon Karyawan, tahap berikutnya akan dilakukan Klasifikasi. Klasifikasi ini menggunakan metode algoritme KNN. Dimana terdapat 160 data tweet dari Calon karyawan yang akan dikelompokkan berdasrkan MBTI (Myers-Briggs Type Indicator). Data yang di dapatkan dari perusahaan berupa tweet dari calon karyawan ini agar menghasilkan hasil pengujian yang baik, maka dibagi menjadi dua jenis dengan rasio 50% untuk data latih dan 50% untuk data uji. Dengan memasukkan Nilai K yaitu 4 sebagai nilai yang diuji. maka di dapatkan Hasil akurasi sistem yang diperoleh dari klasifikasi karakter calon karyawan berdasarkan tweet adalah 66%. Hasil ini adalah hasil dimana ada 53 hasil data uji yang benar dan 27 hasil data uji yang salah dalam proses pengujian.
English Abstract
Text mining is the process of mining the text for taking important meaning in it to be able to do the classification. In this study, conducted to know the classification of the characters prospective employees based on the tweets from a company. Tweet that comes from prospective employees will in the process and after that produces characters as one reference in the placement of prospective employees. Then this Employee characters divided into four large groups according the concept of MBTI (Myers-Briggs Type Indicator). Artisan, Guardian, Rational, and Idealist. In addition Artisan, Guardian, Rational and Idealist have characteristics and indicators. After getting the Tweets prospective employees, the next stage will be made classification. This classification method using KNN algorithm. Where, there are 160 tweet data from prospective employees will be grouped MBTI (Myers-Briggs Type Indicator). The data obtained from the company in the form of a tweet from this prospective employees in order to generate the test results are good, then it is divided into two types by a ratio of 50% training data and 50% for the test data. By entering the value of K that is 4 as the value to test. then get a system accuracy results retrieved from the classification of the characters prospective employees based on their tweets is 66%. These results are the results where there are 53 results of test data and test data results 27 is wrong in the process of testing
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/800/051800349 |
| Uncontrolled Keywords: | Text Mining, Twitter, KNN |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 12 Jan 2018 06:40 |
| Last Modified: | 26 Oct 2021 06:14 |
| URI: | http://repository.ub.ac.id/id/eprint/7960 |
Preview |
Text
BAB VI.pdf Download (215kB) | Preview |
Preview |
Text
BAB II.pdf Download (496kB) | Preview |
Preview |
Text
BAB V.pdf Download (600kB) | Preview |
Preview |
Text
BAB III.pdf Download (323kB) | Preview |
Preview |
Text
BAB IV.pdf Download (1MB) | Preview |
Preview |
Text
BAB VII.pdf Download (264kB) | Preview |
Preview |
Text
Bagian Depan.pdf Download (362kB) | Preview |
Preview |
Text
Daftar Pustaka.pdf Download (270kB) | Preview |
Preview |
Text
Daftar Lampiran.pdf Download (541kB) | Preview |
Preview |
Text
BAB I.pdf Download (280kB) | Preview |
Actions (login required)
 |
View Item |