Analisis Perbandingan Pembobotan TF-IDF dan TF-RF pada Trending Topic di Twitter dengan Menggunakan Klasifikasi K-Nearest Neighbor

AGUNG N. ASSIDYK

Informasi Dasar

20.04.2105
006.31
Karya Ilmiah - Skripsi (S1) - Reference

Media sosial yang sedang berkembang saat ini adalah twitter. Twitter merupakan media sosial yang di dalamnya berisikan informasi seperti biografi seseorang, informasi, tweet atau cuitan dari penggunanya. Informasi yang didapatkan dari twitter dapat dimanfaatkan untuk memprediksi suatu topik yang sedang tren atau trending. Pada penelitian ini membahas perbandingan metode pembobotan yang digunakan di suatu topik yang sedang trending topic yaitu TF-RF dan TF-IDF untuk memberikan suatu nilai/bobot pada term yang terdapat pada suatu dokumen. dan menggunakan metode pengklasifikasian dari data mining dimana metode yang digunakan adalah metode pengklasifikasian K-Nearest Neighbor, Hasil penelitian dilakukan berdasarkan berita dan percakapan diambil dari media twitter. Akurasi K-Nearest Neighbor nilai terbaik mengunakan K=1 dengan pembagian data training dan data testing (90:10) pembobotan TF-IDF adalah 63,12% dengan precision 0,633 dan recall 0,633 sedangkan TF-RF yaitu 62,48 % dengan precision 0,623 dan recall 0,623.

Subjek

Machine - learning
 

Katalog

Analisis Perbandingan Pembobotan TF-IDF dan TF-RF pada Trending Topic di Twitter dengan Menggunakan Klasifikasi K-Nearest Neighbor
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

AGUNG N. ASSIDYK
Perorangan
ERWIN BUDI SETIAWAN, ISMAN KURNIAWAN
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2020

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini