IMPLEMENTASI DATA MINING TWEET PANTUN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

AQFA ALLOWDYA DIAMYTARA (2023) IMPLEMENTASI DATA MINING TWEET PANTUN MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Muhammadiyah Yogyakarta.

[thumbnail of Halaman Judul] Text (Halaman Judul)
Halaman Judul.pdf

Download (3MB)
[thumbnail of Lembar Pengesahan] Text (Lembar Pengesahan)
Lembar Pengesahan.pdf
Restricted to Registered users only

Download (789kB)
[thumbnail of Abstrak] Text (Abstrak)
Abstrak.pdf
Restricted to Registered users only

Download (10kB)
[thumbnail of Bab I] Text (Bab I)
Bab I.pdf

Download (27kB)
[thumbnail of Bab II] Text (Bab II)
Bab II.pdf
Restricted to Registered users only

Download (200kB)
[thumbnail of Bab III] Text (Bab III)
Bab III.pdf
Restricted to Registered users only

Download (116kB)
[thumbnail of Bab IV] Text (Bab IV)
Bab IV.pdf
Restricted to Registered users only

Download (908kB)
[thumbnail of Bab V] Text (Bab V)
Bab V.pdf
Restricted to Registered users only

Download (77kB)
[thumbnail of Daftar Pustaka] Text (Daftar Pustaka)
Daftar Pustaka.pdf
Restricted to Registered users only

Download (139kB)
[thumbnail of Lampiran] Text (Lampiran)
Lampiran.pdf
Restricted to Registered users only

Download (460kB)
[thumbnail of Naskah Publikasi] Text (Naskah Publikasi)
Naskah Publikasi.pdf
Restricted to Registered users only

Download (1MB)
[thumbnail of Full Text] Text (Full Text)
Full Text.pdf
Restricted to Repository staff only

Download (5MB)

Abstract

Di era media sosial, jumlah besar data teks yang dihasilkan di platform seperti Twitter menjadi sumber berharga untuk analisis. Penelitian ini berfokus pada penggunaan teknik data mining untuk menganalisis tweet yang mengandung pantun (puisi tradisional Melayu) di Twitter. Tujuan dari penelitian ini adalah mengembangkan model klasifikasi yang dapat mengidentifikasi dan mengkategorikan tweet ke dalam tiga kategori yang telah ditentukan: "pantun" (pantun), "bukan pantun" (bukan pantun), dan "pantun gambar" (pantun dalam bentuk gambar). Dengan akurasi sebesar 92%. Dengan rincian akurasi setiap class yaitu 39,2% untuk class bukan pantun, 96,9% untuk Class Pantun, dan 97,7% untuk Class Pantun gambar. Proses penelitian ini mencakup pengumpulan data melalui web crawling, pra-pemrosesan data yang terkumpul, ekstraksi fitur, pelatihan model, dan evaluasi. Kami menggunakan kombinasi metode analisis teks dan algoritma pembelajaran mesin untuk membangun model klasifikasi yang kuat. Model ini dievaluasi menggunakan metrik kinerja standar, termasuk akurasi, presisi, recall, dan nilai F1. Hasil penelitian menunjukkan bahwa teknik data mining yang diterapkan mampu mengklasifikasikan tweet dengan akurasi ke dalam kategori yang telah ditentukan. Kinerja model menunjukkan akurasi dan presisi tinggi, terutama untuk kategori "pantun" dan "pantun gambar". Namun, kategori "bukan pantun" menimbulkan beberapa tantangan karena beragamnya sifat tweet dalam kategori ini. Penelitian ini memberikan kontribusi bagi bidang data mining dan analisis teks dengan memberikan wawasan tentang analisis konten puisi di platform media sosial. Temuan ini dapat diterapkan dalam berbagai bidang, termasuk analisis sentimen, kategorisasi konten, dan studi budaya. Selain itu, penelitian ini dapat menjadi kerangka kerja untuk penelitian masa depan dalam bidang data mining dan analisis media sosial.

Item Type: Thesis (S1)
Uncontrolled Keywords: Data Mining, Text Analysis, Twitter, Pantun, Classification Model, Social Media Analysis
Divisions: Fakultas Teknik > Teknologi Informasi S1
Depositing User: M. Erdiansyah
Date Deposited: 10 Nov 2023 02:51
Last Modified: 10 Nov 2023 02:51
URI: https://etd.umy.ac.id/id/eprint/42611

Actions (login required)

View Item
View Item