Rancangan Klasifikasi Twitter Pada Perguruan Tinggi

Authors

  • Thomas Edison Tarigan STMIK AKAKOM Yogyakarta
  • Robby C Buwono STMIK AKAKOM Yogyakarta
  • Sri Redjeki STMIK AKAKOM Yogyakarta

Abstract

Tujuan dari penelitian ini adalah melakukan perancangan atau pemodelan klasifikasi twitter pada peningkatan pengelolaan perguruan tinggi. Hasil rancangan ini akan membantu perguruan tinggi untuk mengetahui opini publik secara langsung dan terus berubah melalui media sosial. Penelitian ini memanfaatkan twitter untuk mendapatkan klasifikasi opini atau pendapat yang dapat memberikan feedback terhadap pengelolaan perguruan tinggi. Metode klasifikasi yang digunakan pada penelitian ini adalah Naïve Bayes Classifier (NBC). Data yang digunakan adalah data twitter dengan keyword yang berhubungan dengan salah satu obyek penelitian yaitu perguruan tinggi swasta bidang IT. Proses crawling data twitter sangat dipengaruhi oleh keyword yang kita gunakan pada saat crawling. Hasil crawling akan dilakukan proses preprosesing sehingga data text akan diklasifikasi menjadi 3 kelas yaitu positif, netral dan negatif. Penelitian ini menggunakan data sebanyak 1000 tweet yang digunakan untuk keperluan data training. Kemudian 20 data tweet digunakan untuk testing. Hasil penelitian memberikan akurasi NBC sebesar 75%

Author Biographies

Thomas Edison Tarigan, STMIK AKAKOM Yogyakarta

TEKNIK INFORMATIKA

Robby C Buwono, STMIK AKAKOM Yogyakarta

TEKNIK INFORMATIKA

Sri Redjeki, STMIK AKAKOM Yogyakarta

TEKNIK INFORMATIKA

References

Dave Chaffey, Fiona Ellis-Chadwick, Digital Marketing (6th Edition), Pearson, 2016

Wang, P., Xu, B., Wu, Y., & Zhou, X., (2015), Link prediction in social networks: the state-of-the-art., Science China-Information Science, Vol. 58 011101:1–011101:38., link.springer.com.

Santillana M, Nguyen AT, Dredze M, Paul MJ, Nsoesie EO, Brownstein JS, (2015), Combining Search, Social Media, and Traditional Data Sources to Improve Influenza Surveillance. PLoS Comput Biol 11(10): e1004513. https://doi.org/10.1371/journal.pcbi.1004513.

Nan Li, D.D, & Wu, (2010), Decision Support System 48, Page 354-368, Elsevier.

Li, C., Bai, J., Zhang, L., Tang, H., & Luo, Y. (2019). Opinion community detection and opinion leader detection based on text information and network topology in cloud environment. Information Sciences. doi:10.1016/j.ins.2019.06.060

Kamaruzaman, S.M., Chowdhury M.R. 2004. Text Categorization using Association Rule and Naive Bayes Classifier. Asian Journal of Information Technology, Vol. 3, No.9, pp 657-665, Sep. 2004

Kibriya Ashraf M., Frank Eibe, Pfahringer Bernhard, Holmes Geoffrey . 2004. Multinomial Naïve Bayes for Text Categorization Revisited. Australian joint conference on artificial intelligence No 17.

Rozi, Imam Fahrur, Sholeh Hadi Pramono, and Erfan Achmad Dahlan. "Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi." Jurnal EECCIS 6.1 (2013): 37-43

Hidayatullah, Ahmad Fathan, and Azhari SN Azhari. "Analisis sentimen dan klasifikasi kategori terhadap tokoh publik pada twitter." Seminar Nasional Informatika (SEMNASIF). Vol. 1. No. 1. 2015.

Maulana, Rizky, and Sri Redjeki. "Analisis Sentimen Pengguna Twitter Menggunakan Metode Support Vector Machine Berbasis Cloud Computing." Jurnal TAM (Technology Acceptance Model) 6 (2017): 23-28.

Muthia, Dinda Ayu. "Analisis Sentimen Pada Review Restoran Dengan Teks Bahasa Indonesia Mengunakan Algoritma Naive Bayes." Jurnal Ilmu Pengetahuan dan Teknologi Komputer 2.2 (2017): 39-45.

Liu, B. 2012. Sentiment Analysis And Opinion Mining. Chicago, United Stade of America. Morgan and Claypool Publishers. Website : https://books.google.co.id/books?id=Gt8g72e6MuEC&printsec=frontcover&source=gbs_ge_summary_r&cad=0#v=onepage&q&f=false diakses 2 November 2016

Zaqisyah. 2012. Optimasi Akurasi Analisis Sentimen Pada Posting Twitter Menggunakan Metode Naïve Bayes dan Steamming. Tugas Akhir Skripsi. Teknik Informatika Ilmu Komputer Universitas Komputer Indonesia. Bandung. Website : http://elib.unikom.ac.id/gdl.php?mod=browse&op=read&id=jbptunikompp-gdl-zaqisyahni-35251&q=zaqisyah%202012 diakses 12 November 2016.

Eko Prasetyo. 2012. “Data Mining : Konsep dan Aplikasi Menggunakan MATLABâ€. Yogyakarta : ANDI Yogyakarta.

Downloads

Published

2019-11-21

Issue

2019: Semnastik 2019

Section

Articles

License

Penulis yang mempublikasikan artikelnya dalam publikasi ini setuju dengan ketentuan berikut :


  1. Hak cipta tetap pada penulis dan memberikan hak kepada SEMNASTIK 2019 sebagai prioritas pertama untuk mempublikasikan artikelnya dengan lisensi Creative Commons Attribution License yang memperbolehkan artikel untuk dapat dibagikan dengan pengakuan terhadap penulis artikel dan SEMNASTIK 2019 sebagai tempat publikasinya.
  2. Penulis dapat mendistribusikan publikasi artikelnya secara non-eksklusif (contoh : pada repository universitas atau pada buku) dengan pemberitahuan atau pengakuan publikasi di SEMNASTIK 2019.
  3. Penulis diijinkan untuk mencantumkan karyanya secara online (misal : di website pribadi atau di repository universitas) sebelum dan sesudah proses pengiriman (lihat The Effect of Open Access).