Implementasi AdaBoost untuk Prediksi Kepribadian Big Five pada Twitter Menggunakan TF-IDF dan WIDF

NANDA RAHMAT KURNIA

Informasi Umum

Kode

19.04.4795

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine Learning

Dilihat

220 kali

Informasi Lainnya

Abstraksi

Media sosial Twitter merupakan salah satu media sosial yang populer dan mengandung banyak informasi. Setiap tweet atau kicauan yang ditulis dapat memberikan informasi mengenai kepribadian seseorang. Permasalahannya adalah bagaimana cara mengklasifikasi teks yang ada di sosial media Twitter ke dalam kelas-kelas yang akan dibuat dengan nilai performansi yang baik. Pada penelitian tugas akhir ini, penulis membangun sistem untuk mengklasifikasi kepribadian seseorang di sosial media twitter menggunakan metode klasifikasi Adaptive Boosting (AdaBoost) dengan metode pembobotan TF-IDF dan WIDF. Hal lain yang membedakan dengan penelitian ini adalah pembobotan setiap kata menggunakan metode pembobotan TF-IDF dan WIDF dengan penambahan fitur baru untuk pendekatan berdasarkan perilaku sosial pengguna seperti jumlah karakter pada tweet, rata-rata karakter pada setiap tweet, rata-rata kata pada tweet, media URL yang membaca seberapa banyak pengguna mengunggah foto atau video, tanda baca yaitu menghitung jumlah tanda tanya (?) dan tanda seru (!) pada setiap tweet, menghiturng huruf besar, dan emoji pada tweet yang dapat dideteksi sebanyak 2.552 karakter yang berbeda-beda, dan yang terakhir adalah mencoba memadukan pendekatan kepribadian berdasarkan perilaku sosial dengan pendekatan linguistik. Dari hasil percobaan pada rasio data latih 70% dan data uji 30% (70:30) didapatkan hasil akurasi 62.79% berdasarkan perilaku sosial maupun berdasarkan pendekatan linguistik menggunakan TF-IDF.