Pemodelan Topik Menggunakan Non-Negative Matrix Faktorization (NMF) untuk Jalur Seleksi Masuk TelkomUniversity dari Komentar Instagram

ALFAJRI

Informasi Umum

Kode

23.04.228

Klasifikasi

006.31 - Machine Learning

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Machine - Learning, Matrix Management,

Dilihat

387 kali

Informasi Lainnya

Abstraksi

<p>Perkembangan teknologi informasi saat ini sudah semakin pesat, seperti media sosial yang mempunyai banyak pengaruh, media sosial merupakan suatu tempat atau media yang digunakan untuk berekspresi dan meluapkan berbagai opini terhadap suatu topik. Salah satu contohnya adalah Instagram, Instagram merupakan salah satu media sosial yang mepunyai banyak fitur seperti, posting foto, video, komentar, like, dan lainnya. Dari fitur komentar yang dimiliki instagram mengandung banyak opini masyarakat yang dapat di jadikan sebagai sebuah data. Tidak lain sebagai mana pada postingan akun instagram SMB Telkom University tentang jalur masuk ke universitas tersebut. Pada postingan – postingan mengenai jalur masuk ke Telkom university banyak sekali para pengguna Instagram yang memberikan komentar terhadap postingan tersebut. Dan oleh sebab itu maka dilakukan suatu pemodelan topik terhadap presepsi pengguna Instagram pada komentar postingan jalur masuk Telkom university menggunakan metode Nonnegative Matrix Factorization (NMF). Setelah melakuan beberapa skenario penelitian didapatkan nilai koheren terbaik dengan nilai koheren 0.60628 dan 4 topik terbaik.</p>

<p>Kata kunci : Pemodelan Topik; Non-negatif Matrik Faktorisasi; Topik Koheren; Intagram; Telkom University</p>