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

ALFAJRI

Informasi Dasar

117 kali
23.04.228
006.31
Karya Ilmiah - Skripsi (S1) - Reference

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.

Kata kunci : Pemodelan Topik; Non-negatif Matrik Faktorisasi; Topik Koheren; Intagram; Telkom University

Subjek

Machine - learning
MATRIX MANAGEMENT,

Katalog

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

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

ALFAJRI
Perorangan
Donny Richasdy, Mahendra Dwifebri Purbolakono
 

Penerbit

Universitas Telkom, S1 Informatika
Bandung
2023

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

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