Analisis Trending Topik Pada Twitter menggunakan Metode Naive Bayes dengan Pembobotan TF-IDF
SAUT SIHOL JULIANTO M.T RITONGA
Informasi Umum
Kode
20.04.227
Klasifikasi
004.6 - Data communications, computer communications
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Big Data
Dilihat
380 kali
Informasi Lainnya
Abstraksi
Twitter adalah salah satu media sosial yang banyak sekali para penggunanya menceritakan berbagai macam banyak kejadian oleh karena itu perlu megklasifikasi topik menjadi dengan akurasi tinggi untuk lebih baik pengambilan informasi. Oleh karena itu penulis melakukan penelitian untuk mengatasi masalah ini dengan membagi beberapa tren topik twitter. Pembobotan yang digunakan adalah TF-IDF dengan menggunakan Naïve Bayes. Akurasi terbaik pada pembobotan TF-IDF menggunakan klasifikasi Naïve Bayes didapat pada skenario data training, data tesing 80:20 adalah 57.08% dan memiliki nilai f-measure 0.52. Trending pertama yang terdeteksi dari pengambilan data dari bulan 25 Juli sampai 28 Agustus adalah politik dengan persentase 26.88% lalu kedua senbud persentase 8.65% dan yang ketiga hukam 8.27%.
- CS4333 - DATA MINING
- CSH4G3 - PENAMBANGAN DATA
- CII4I3 - PENAMBANGAN DATA
- CPI4I3 - PENAMBANGAN DATA
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | SAUT SIHOL JULIANTO M.T RITONGA |
| Jenis | Perorangan |
| Penyunting | ERWIN BUDI SETIAWAN, ISMAN KURNIAWAN |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2020 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
