Text

Analisis Kecenderungan Informasi Dengan Menggunakan Metode Text Mining (Studi Kasus: Akun twitter @detikcom)

---

ABSTRAK

Internet merupakan suatu fenomena yang luar biasa. Berawal dari sebuah
eksperimen militer di Amerika Serikat, internet telah berkembang menjadi
„kebutuhan‟ bagi lebih dari puluhan juta orang di seluruh dunia. Jumlah pengguna
internet yang besar dan semakin berkembang, telah mewujudkan budaya internet.
Salah satu yang berkembang pesat yaitu media sosial twitter. Twitter merupakan
layanan microblogging yang menyimpan text database yang disebut tweet. Untuk
memudahkan memperoleh informasi yang dominan dibicarakan, maka dicarilah
topik dari tweet twitter dengan menggunakan clustering. Pada penelitian ini,
dilakukan pengelompokkan 500 tweet dari akun twitter @detikcom menggunakan
k-means clustering. Hasil dari penelitian ini menunjukkan bahwa Dunn index
yang maksimum, pengelompokan terbaik k-means Clustering untuk memperoleh
topik yang dominan yaitu sebanyak tiga cluster, yaitu mengenai pemerintah,
Jakarta, dan politik.
Kata Kunci: text mining, clustering, k-means , dunn index, dan twitter

ABSTRACT

The Internet is an extraordinary phenomenon. Starting from a military experiment
in the United States, the Internet has evolved into a 'need' for more than tens of
millions of people worldwide. The number of internet users is large and growing,
has been creating internet culture. One of the fast growing social media twitter.
Twitter is a microblogging service that stores text database called tweets. To make
it easier to obtain information that is dominant discussed, then sought the topic of
twitter tweet using clustering. In this research, grouping 500 tweets from twitter
account @detikcom using k-means clustering. The results of this study indicate
that the maximum index Dunn, the best grouping K-means clustering to obtain the
dominant topic as many as three clusters, namely the government, Jakarta, and
politics.
Keywords: text mining, clustering,, k-means , dunn index, and twitter.

---

Ketersediaan

495E16IV

519.535 KAR a

Perpustakaan FSM Undip (Referensi)

Tersedia

Informasi Detail

Judul Seri

STATISTIKA

No. Panggil

519.535 KAR a

Penerbit

: ., 2016

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

1344

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

-

Pernyataan Tanggungjawab

Syaifudin Karyadi

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar