Perpustakaan Universitas Amikom Purwokerto

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu
Image of Kombinasi K-Means dan Support Vector Machine (SVM) Untuk Memprediksi Unsur SARA pada TWEET

Skripsi

Kombinasi K-Means dan Support Vector Machine (SVM) Untuk Memprediksi Unsur SARA pada TWEET

Rohmah, Miftakhul - Nama Orang;

bibliografi: hal. 85

RINGKASAN

Twitter merupakan salah satu layanan jejaring sosial dimana penggunanya dapat menyampaikan pesan sepanjang 140 huruf yang disebut “tweets” atau “kicau”. Kebebasan berpendapat sering disalahgunakan hingga akhirnya menyita perhatian terkait unsur yang menyinggung suku, agama, ras dan antargolongan (SARA). Dengan demikian peneliti akan melakukan penelitian dengan metode analisis sentiment untuk menentukan informasi kandungan pada tweet yaitu positif mengandung SARA atau negatif mengandung SARA menggunakan kombinasi k-means dan support vector machine (SVM). K-means digunakan untuk menentukan pengelompokan kelas hasil yang diperoleh berdasarkan k-means antara lain 118 tweet positif SARA dan 83 tweet negatif SARA. Proses klasifikasi atau prediksi dengan menggunakan 5-fold cross validation dan 10-fold cross validation. Hasil akurasi pada algoritma support vector machine (SVM) dengan 5-fold cross validation sebesar 64,18% dan 10-fold cross validation sebesar 63,68%. Berdasarkan hasil akurasi yang diperoleh untuk meningkatkan hasil akurasi, data hasil proses k-means diolah kembali secara manual hasil yang diperoleh 139 tweet positif SARA dan 62 tweet negatif SARA dengan hasil akurasi pada 5-fold cross validation sebesar 70,15% dan 10-fold cross validation sebesar 71,14%.

Kata Kunci: Twitter, K-Means, Support Vector Machine

ABSTRACT


Twitter is a social networking service where users can deliver 140-letter messages called "tweets" or "chirping". Freedom of expression is often misused until it finally draws attention to elements that pertain to ethnicity, religion, race and intergroup (SARA). Thus the researcher will conduct research with sentiment analysis method to determine the content information in a tweet that is positive containing SARA or negative containing SARA using a combination of k-means and support vector machine (SVM). K-means is used to determine the grouping of results obtained based on k-means, including 118 positive SARA tweets and 83 SARA negative tweets. Classification or prediction process using 5-fold cross validation and 10-fold cross validation. Accuracy results on the support vector machine (SVM) algorithm with 5-fold cross validation are 64.18% and 10-fold cross validation is 63.68%. Based on the results of the accuracy obtained to improve accuracy, the results of the k-means process were manually reprocessed the results obtained by 139 positive SARA tweets and 62 negative SARA tweets with the accuracy of 5-fold cross validation of 70.15% and 10-fold. cross validation is 71.14%.

Keywords: Twitter, K-Means, Support Vector Machine


Ketersediaan
SI1307SI 1307 ROH kUPT. PERPUSTAKAAN PUSAT (Rak 2)Tersedia - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SI 1307 ROH k
Penerbit
Purwokerto : Universitas Amikom Purwokerto., 2018
Deskripsi Fisik
xviii, 84 hlm.: ilus.; 28 cm
Bahasa
Indonesia
ISBN/ISSN
14.12.0078
Klasifikasi
NONE
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
Oktober 2018
Subjek
-
Info Detail Spesifik
-
Pernyataan Tanggungjawab
Miftakhul Rohmah
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

Perpustakaan Universitas Amikom Purwokerto
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

https://perpustakaan.amikompurwokerto.ac.id/

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2025 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik