Perbandingan Algoritma Statistical Based dan Rule Based pada analisis teks kalimat depresif di Twitter

Novitasari, Novitasari (2020) Perbandingan Algoritma Statistical Based dan Rule Based pada analisis teks kalimat depresif di Twitter. Diploma thesis, UIN Sunan Gunung Djati.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (92kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (55kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (71kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (565kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (322kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (2MB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (50kB) | Request a copy
[img] 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://digilib.uinsgd.ac.id/id/eprint/38681

Actions (login required)

View Item View Item