ANALISIS TEXT CLUSTERING AKUN FANPAGE SHOPEE DENGAN KOMENTAR FOLLOWERS MENGGUNAKAN TOOLS ORANGE DATA MINING

AYUNI, SENTIYA and Heri, Suroyo (2019) ANALISIS TEXT CLUSTERING AKUN FANPAGE SHOPEE DENGAN KOMENTAR FOLLOWERS MENGGUNAKAN TOOLS ORANGE DATA MINING. Diploma thesis, Universitas Bina Darma.

[img] Text
Ayuni Sentiya Bab 0.pdf

Download (2MB)
[img] Text
Ayuni Sentiya Bab 1.pdf

Download (282kB)
[img] Text
Ayuni Sentiya Daftar Pustaka.pdf

Download (220kB)

Abstract

Hasil penelitian ini ditemukan fakta bahwa followers akun twitter Shopee Indonesia paling banyak merespon status yang berhubungan dengan kata kuis berhadiah, retweet yang memberikan handphone, dan tebakan dalam bentuk vote dimana topik pembicaraan dalam sebuah tweet yang beragam membuat perhatian untuk diteliti. Text mining yang digunakan untuk ekstrak secara otomatis dari sumber data teks yang berbeda yang menangani masalah clustering. Dengan menggunakan metode K-Means Clustering sebagai metode pengelompokkan data yang mempartisi data ke dalam bentuk dua atau lebih kelompok. Penelitian ini mencoba menggunakan text mining dalam proses untuk pengelolaan serta peringkasan teks sehingga menghasilkan analisis text clustering terhadap akun fanpage Shopee Indonesia dengan menggunakan tools Orange Data Mining dengan memanfaatkan Preprocess Text yang meliputi transformation, tokenization, normalization, dan filtering yang bertujuan agar teks dapat dibaca dan dianalisis dari Orange Data Mining sehingga menghasilkan topik pembahasan dari kata yang dominan muncul dari status dan komentar followers Shopee Indonesia. Kumpulan teks dalam jumlah banyak akan di scraping dengan menggunakan Web Scraper. Dari penelitian yang dilakukan mendapatkan kesimpulan bahwa Shopee Indonesia harus lebih membahas tentang kuis berhadiah, retweet yang memberikan handphone, dan tebak dalam bentuk vote.

Item Type: Thesis (Diploma)
Subjects: Q Science > Q Science (General)
Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Users 7 not found.
Date Deposited: 05 Feb 2020 07:45
Last Modified: 05 Feb 2020 07:45
URI: http://repository.binadarma.ac.id/id/eprint/848

Actions (login required)

View Item View Item