Novitasari, Novitasari (2020) Perbandingan Algoritma Statistical Based dan Rule Based pada analisis teks kalimat depresif di Twitter. Diploma thesis, UIN Sunan Gunung Djati.
|
Text (COVER)
1_cover.pdf Download (92kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (55kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (71kB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (565kB) | Preview |
|
![[img]](https://etheses.uinsgd.ac.id/style/images/fileicons/text.png) |
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (322kB) | Request a copy |
|
|
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (2MB) | Request a copy |
|
|
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy |
|
|
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (50kB) | Request a copy |
|
|
Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf Restricted to Registered users only Download (73kB) | Request a copy |
Abstract
Dalam penelitian ini penulis melakukan penelitian pada klasifikasi kalimat depresif di twitter. Penelitian ini menggunakan 1500 tweets yang diambil dari 30 akun twitter yang telah menuliskan klaim bahwa pengguna tersebut divonis mengalami gangguan depresi oleh psikolog/psikiater. Dokumen tersebut dilabeli secara manual berdasarkan 6 gejala (gangguan tidur, nafsu makan, agitasi, kehilangan energi, perasaan tidak berharga, keinganan bunuh diri) yang telah diverifikasi oleh ahli. Penelitian ini membandingkan kinerja algoritma rule based dan statistical based berdasarkan nilai akurasi algoritma. Adapun algoritma rule based yang digunakan adalah algoritma Synesketch dengan beberapa rule yang digunakan untuk klasifikasi. Sedangkan algoritma statistical based yang digunakan ialah Support Vector Machine (SVM) dan Naïve Bayes. Pada pre-processing di dalam penelitian ini menggunakan beberapa tahapan yaitu normalisasi hingga konversi kata berdasarkan kamus kata. Hasil penelitian ini menunjukan algoritma statistical based memiliki tingkat akurasi lebih tinggi yaitu 98,9% untuk SVM dan 91% untuk Naïve Bayes. Sedangkan Synesketch mendapat nilai akurasi 86,91%.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | data mining; support vector machine; naive bayes; synesketch; analisis teks |
| Subjects: | Data Processing, Computer Science Analysis, Theory of Functions > Other Analytic Methods Analysis, Theory of Functions > Functional Analysis Mining and Related Operations > Mining for Specific Materials |
| Divisions: | Fakultas Sains dan Teknologi > Program Studi Teknik Informatika |
| Depositing User: | - Novitasari Novitasari |
| Date Deposited: | 15 Apr 2021 01:10 |
| Last Modified: | 15 Apr 2021 01:10 |
| URI: | https://etheses.uinsgd.ac.id/id/eprint/38681 |
Actions (login required)
 |
View Item |
