Pengkategorian Pesan Singkat Berbahasa Indonesia Pada Jejaring Sosial Twitter Dengan Metode Klasifikasi Naïve Bayes
| ctrlnum |
145835 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/145835/</relation><title>Pengkategorian Pesan Singkat Berbahasa Indonesia Pada Jejaring Sosial Twitter Dengan Metode Klasifikasi Naïve Bayes</title><creator>Perdana, Rizal Setya</creator><subject>005 Computer programming, programs, data</subject><description>Sistem pengkategorian pesan singkat pada jejaring sosial Twitter (tweet) merupakan penerapan dari text mining yang berusaha mengelompokkan secara otomatis sebuah tweet kedalam suatu kategori tertentu. Tujuan pengkategorian pesan singkat pada Twitter (tweet) membantu pengguna agar tidak kewalahan dengan membaca informasi tweet dalam kondisi yang masih acak. Metode yang digunakan dalam pembuatan aplikasi pengkategorian tweet adalah metode klasifikasi Naïve Bayes.Metode ini melakukan pendekatan probabilistik dalam melakukan inferensi yakni berbasis teorema Bayes secara umum.Data latih yang digunakan pada proses pengkategorian didapat dari dokumen RSS (Really Simple Syndication) yang disediakan oleh website tertentu dan sudah memiliki kategori sebelumnya. Kategori-kategori yang terdapat pada sistem adalah berita, olahraga, keuangan, teknologi, hiburan, dan otomotif.Aplikasi akan fokus pada tweet berbahasa Indonesia, dimana bahasa Indonesia mempunyai morfologi tertentu dalam pemrosesan pengkategorian. Aplikasi melakukan beberapa tahapan dalam melakukan pemrosesan diantaranya adalah preprocessing berupa case folding, dan parsing, transformation berupa penghapusan stopwords dan stemming, penghitungan frekuensi dan probabilitas dan perhitungan Naïve Bayes. Metode stemming yang digunakan khusus menangani morfologi bahasa Indonesia yang hasilnya digunakan dalam mendapatkan frekuensi dalam perhitungan klasifikasi Naïve Bayes. Pengkategorian yang dihasilkan oleh aplikasi dibandingkan dengan pengkategorian manual mempunyai rata-rata precision sebesar 80%, recall 79% dan F1 measure sebesar 78%. Proses stemming juga mempengaruhi hasil pengkategorian baik dari segi efektifitas maupun efisiensi.</description><date>2013-03-11</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/1/BAB_III.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/2/BAB_I.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/3/BAB_VI.2.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/4/BAB_II.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/5/BAB_V.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/6/BAB_IV.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/7/BAB_VI.3.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/8/BAB_VI.4.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/8/BAB_VI.5.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/9/BAB_VI.6.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/10/BAB_VI.7.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/11/BAB_VI.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/12/BAB_VII.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/13/DAFTAR_PUSTAKA.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/14/HALAMAN_DEPAN.pdf</identifier><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145835/15/JURNAL.pdf</identifier><identifier> Perdana, Rizal Setya (2013) Pengkategorian Pesan Singkat Berbahasa Indonesia Pada Jejaring Sosial Twitter Dengan Metode Klasifikasi Naïve Bayes. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2013/50/051301081</relation><recordID>145835</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Perdana, Rizal Setya |
| title |
Pengkategorian Pesan Singkat Berbahasa Indonesia Pada Jejaring Sosial Twitter Dengan Metode Klasifikasi Naïve Bayes |
| publishDate |
2013 |
| topic |
005 Computer programming programs data |
| url |
http://repository.ub.ac.id/145835/1/BAB_III.pdf http://repository.ub.ac.id/145835/2/BAB_I.pdf http://repository.ub.ac.id/145835/3/BAB_VI.2.pdf http://repository.ub.ac.id/145835/4/BAB_II.pdf http://repository.ub.ac.id/145835/5/BAB_V.pdf http://repository.ub.ac.id/145835/6/BAB_IV.pdf http://repository.ub.ac.id/145835/7/BAB_VI.3.pdf http://repository.ub.ac.id/145835/8/BAB_VI.4.pdf http://repository.ub.ac.id/145835/8/BAB_VI.5.pdf http://repository.ub.ac.id/145835/9/BAB_VI.6.pdf http://repository.ub.ac.id/145835/10/BAB_VI.7.pdf http://repository.ub.ac.id/145835/11/BAB_VI.pdf http://repository.ub.ac.id/145835/12/BAB_VII.pdf http://repository.ub.ac.id/145835/13/DAFTAR_PUSTAKA.pdf http://repository.ub.ac.id/145835/14/HALAMAN_DEPAN.pdf http://repository.ub.ac.id/145835/15/JURNAL.pdf http://repository.ub.ac.id/145835/ |
| contents |
Sistem pengkategorian pesan singkat pada jejaring sosial Twitter (tweet) merupakan penerapan dari text mining yang berusaha mengelompokkan secara otomatis sebuah tweet kedalam suatu kategori tertentu. Tujuan pengkategorian pesan singkat pada Twitter (tweet) membantu pengguna agar tidak kewalahan dengan membaca informasi tweet dalam kondisi yang masih acak. Metode yang digunakan dalam pembuatan aplikasi pengkategorian tweet adalah metode klasifikasi Naïve Bayes.Metode ini melakukan pendekatan probabilistik dalam melakukan inferensi yakni berbasis teorema Bayes secara umum.Data latih yang digunakan pada proses pengkategorian didapat dari dokumen RSS (Really Simple Syndication) yang disediakan oleh website tertentu dan sudah memiliki kategori sebelumnya. Kategori-kategori yang terdapat pada sistem adalah berita, olahraga, keuangan, teknologi, hiburan, dan otomotif.Aplikasi akan fokus pada tweet berbahasa Indonesia, dimana bahasa Indonesia mempunyai morfologi tertentu dalam pemrosesan pengkategorian. Aplikasi melakukan beberapa tahapan dalam melakukan pemrosesan diantaranya adalah preprocessing berupa case folding, dan parsing, transformation berupa penghapusan stopwords dan stemming, penghitungan frekuensi dan probabilitas dan perhitungan Naïve Bayes. Metode stemming yang digunakan khusus menangani morfologi bahasa Indonesia yang hasilnya digunakan dalam mendapatkan frekuensi dalam perhitungan klasifikasi Naïve Bayes. Pengkategorian yang dihasilkan oleh aplikasi dibandingkan dengan pengkategorian manual mempunyai rata-rata precision sebesar 80%, recall 79% dan F1 measure sebesar 78%. Proses stemming juga mempengaruhi hasil pengkategorian baik dari segi efektifitas maupun efisiensi. |
| id |
IOS4666.145835 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2021-10-27T08:47:53Z |
| last_indexed |
2021-10-28T07:33:26Z |
| recordtype |
dc |
| _version_ |
1751454638339522560 |
| score |
17.538404 |