Klasifikasi Teks Pada Twitter Menggunakan Metode Support Vector Machine Secara Real Time
| Main Authors: | Megananda, Raditya Angkasa, Imam Cholissodin, S.Si, M.kom, Ratih Kartika Dewi, S.T., M.Kom |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193316/1/0520150403%20-%20Raditya%20Angkasa%20Megananda.pdf http://repository.ub.ac.id/id/eprint/193316/ |
Daftar Isi:
- PT Kereta Commuter Indonesia adalah salah satu usaha pemerintah yang bergerak di bidang transportasi masal. Tahun 2019 kereta commuterline telah mengangkut rata-rata sebanyak tujuh ratus ribu penumpang setiap harinya, seiring dengan bertambahnya penumpang pada kereta commuterline setiap harinya berbanding lurus dengan bertambahnya kritik dan saran yang masuk pada PT Kereta Commuterline Indonesia. Kritik dan saran yang diberikan pengguna commuterline masuk dari berbagai macam sosial media terutama Twitter. Banyaknya informasi yang didapatkan pada sosial media tersebut pihak PT Kereta Commuter Indonesia memanfaatkan hal tersebut dengan membuat akun yang bernama @commuterline untuk menaungi kritik dan saran yang datang dari pengguna commuterline tersebut. Banyaknya informasi yang didapatkan PT Kereta Commuter Indonesia yang berasal dari Twitter tentu saja PT Kereta Commuter Indonesia memerlukan pengelompokan informasi yang didapat guna membantu mempermudah melayani para pengguna jasa transportasi umum di ibu kota ini. Informasi yang diperoleh dapat dianalisis menggunakan metode klasifiasi teks pada text mining. Berdasarkan penelitian sebelumnya metode Support Vector Machine memiliki akurasi yang cukup baik dibandingkan metode klasifikasi lainnya. Dari hasil tersebut maka penelitian ini akan menggunakan metode Support Vector Machine untuk melakukan klasifikasi teks. Tahapan pada metode SVM dibagi dua yaitu tahap training dan tahap testing. Kedua tahap tersebut mempunyai persamaan tahapan yaitu pada tahap preprocessing dan pembobotan kata namun pada tahap perhitungan metode Support Vector Machine memiliki tahap dan keluaran yang berbeda. Berdasarkan hasil pengujian pada penelitian ini dengan menggunakan nilai C = 0,01, gamma = 0,00001, iterasi maksimal = 1000 dan lambda = 3 menghasilkan nilai akurasi sebesar 83,33%. Berdasarkan hasil tersebut metode Support Vector Machine belum mampu memberikan hasil yang baik pada permasalahan dan data yang digunakan.