IMPLEMENTASI MACHINE LEARNING UNTUK MENDETEKSI UNSUR DEPRESI PADA TWEET MENGGUNAKAN METODE K-NEAREST NEIGHBOR
MHD. FADLY
Informasi Umum
Kode
21.04.3693
Klasifikasi
006.31 - Machine Learning
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Machine Learning
Dilihat
227 kali
Informasi Lainnya
Abstraksi
Penggunaan media sosial dikalangan masyarakat sudah menjadi hal yang populer. Salah satu media sosial yang saat ini digunakan oleh masyarakat adalah Twitter. Dengan adanya fitur tweet pengguna dapat memposting apapun yang sedang dirasakan baik itu perasaan senang, sedih, galau, gugup. Sehingga dari postingan yang dicurahkan pengguna Twitter dapat dilihat apakah postingan tersebut mengandung perasaan depresi atau tidak. Dalam penelitian ini dihasilkan suatu sistem yang dapat mendeteksi apakah dalam postingan tweet terdapat unsur depresi atau tidak menggunakan metode K-Nearest Neighbor (K-NN). Metode K-Nearest Neighbor (K-NN) merupakan salah satu metode klasifikasi yang dapat digunakan untuk text mining, yang memiliki kelebihan yaitu mudah dipahami dan diimplementasikan. Dapat disimpulkan, sistem deteksi unsur depresi pada tweet menggunkan Metode K-Nearest Neighbor mampu mendeteksi apakah dalam postingan tweet berupa teks terdapat unsur depresi didalamnya atau tidak didapat tingkat akurasi sebesar 78.29% pada pengujian data latih, dan akurasi sebesar 63% pada pengujian data validasi.
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | MHD. FADLY |
| Jenis | Perorangan |
| Penyunting | ANGGUNMEKA LUHUR PRASASTI, RATNA ASTUTI NUGRAHAENI |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Teknik Komputer |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
