• Login
    View Item 
    •   Home
    • MASTER THESES (Koleksi Tesis)
    • MT-Mathematic
    • View Item
    •   Home
    • MASTER THESES (Koleksi Tesis)
    • MT-Mathematic
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Text Mining pada Media Sosial Twitter Studi Khasus: Pilkada DKI 2017 Putaran 2

    Thumbnail
    View/Open
    Dimas Bagus C. W. 151820101014.pdf SDH.pdf (1.815Mb)
    Date
    2018-03-16
    Author
    Bagus, Dimas
    Metadata
    Show full item record
    Abstract
    Penelitian ini bertujuan untuk menggunakan metode text mining dalam mengolah data teks pada media sosial Twitter untuk dapat menemukan suatu informasi, baik berupa ringkasan dari tweets hingga menggunakannya untuk menduga hasil dari pencoblosan. Peneliti mengumpulkan data tweets dimana 20.000 data tweets berhubungan dengan kata “anies” dan 20.000 data tweets berhubungan dengan kata “ahok” yang di ambil setiap hari selama tanggal 15-19 April 2017 (masa tenang hingga waktu pencoblosan). Teknik analisis data yang dilakukan adalah model alir dengan tahap-tahap sebagai berikut; (a) text preprocessing (b) pembobotan (c) unsupervised learning dan supervised learning (d) pembahasan. Teknik analisis diawali dengan text preprocessing. Tahap ini bertujuan untuk membersihkan serta mereduksi data-data yang tidak diperlukan seperti simbol, tanda baca, alamat link, dan stopwords. Kemudian peneliti memberikan bobot pada masingmasing data tweets dengan menghitung besar Term Frequency – Inverse Term Frequence (TF-IDF). Setiap data tweets yang memiliki besar TF-TDF yang rendah tidak diikutkan dalam proses selanjutnya. Dengan menggunakan metode penentuan sentimen serta Naive Bayes pada supervised learing dan metode pengelompokkan dengan K-Means seerta Topic Modeling pada unsupervised learning, peneliti mencari pola yang terbentuk serta hal menarik lainnya yang dapat menjadi pembahasan. Selanjutnya dengan memvisualisasikannya (berdasarkan sentimen ataupun kelompok yang terbentuk), dapat memberikan pembahasan yang lebih menarik. Penentuan sentimen pada masing-masing tweets dilakukan dengan membandingkan banyak kata-kata yang bersentimen negatif dan kata-kata yang bersentimen positif. Apabila dalam satu tweets memiliki jumlah kata yang bersentimen negatif lebih banyak dari pada kata yang bersentimen positif maka tweets tersebut bersentimen negatif. Begitu pula sebaliknya apabila jumlah kata bersentimen positif lebih banyak. Selain itu, tweets bersentimen netral. Sedangkan metode Naive Bayes digunakan untuk melakukan prediksi terhadap data baru. Penelitian ini menggunakan metode ini untuk dapat mengetahui sejauh mana metode ini dapat melakukan prediksi sentimen pada data tersebut. Metode-metode pengelompokkan bertujuan untuk mengumpulkan data berdasarkan karakteristik ataupun topik yang muncul. Dengan memperoleh kelompok-kelompok yang baru (5, 10, 25, 50, 75, dan 100 kelompok) ,
    URI
    http://repository.unej.ac.id/handle/123456789/84647
    Collections
    • MT-Mathematic [100]

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository
     

     

    Browse

    All of RepositoryCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister

    UPA-TIK Copyright © 2024  Library University of Jember
    Contact Us | Send Feedback

    Indonesia DSpace Group :

    University of Jember Repository
    IPB University Scientific Repository
    UIN Syarif Hidayatullah Institutional Repository