Ekspansi Fitur dengan Word2vec untuk Klasifikasi Topik dengan Gradient Boosted Decision Tree di Twitter

DHUHITA TRIAS MAULIDIA

Informasi Umum

Kode

22.04.1065

Klasifikasi

004 - Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika, Hardware Komputer

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Analysis

Dilihat

183 kali

Informasi Lainnya

Abstraksi

Jejaring Sosial Online memiliki peran penting sebagai sumber informasi, terlebih lagi ketika berada pada keadaan darurat. Salah satunya adalah Twitter, layanan yang memungkinkan pengguna mengirim dan membaca pesan tetapi dibatasi karakternya. Sehingga, tweet yang ditulis sangat pendek dan tidak selalu menggunakan tata bahasa yang benar, serta menggunakan banyak variasi kata. Penggunaan variasi kata dapat meningkatkan kemungkinan ketidakcocokan kosakata dan membuat tweet sulit dipahami. Salah satu solusi untuk mengatasi masalah tersebut adalah dengan melakukan ekspansi fitur pada tweet. Ekspansi fitur pada Twitter merupakan penambahan semantik pada proses memperbanyak teks asli agar terlihat seperti teks yang berukuran besar. Dalam penelitian ini, akan digunakan word2vec dengan Metode Gradient Boosted Decision Tree untuk melakukan klasifikasinya. Hasil yang diharapkan dari penelitian ini adalah dapat mengurangi kata atau kalimat pada klasifikasi topik Twitter yang dievaluasi menggunakan nilai akurasi dan F1-Measure. Nilai akurasi tertinggi pada penerapan ekspansi fitur menggunakan Word2Vec dengan metode klasifikasi Gradient Boosted Decision Tree yaitu sebesar 85,44%.

Kata Kunci: klasifikasi, word2vec, tweet, twitter, ekspansi, Gradient Boosted Decision Tree