AL HAFIZ YUNAS (2018) PENERAPAN METODESVMUNTUKKLASIFIKASITWEETTRANSAKSIE-COMMERCEDI TWITTER. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018224TIF.pdf Download (127kB) | Preview |
|
|
Text
2. PENGESAHAN_2018224TIF.pdf Download (220kB) | Preview |
|
|
Text
3. ABSTRAK_2018224TIF.pdf Download (100kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018224TIF.pdf Download (112kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018224TIF.pdf Download (315kB) | Preview |
|
|
Text
6. BAB I_2018224TIF.pdf Download (110kB) | Preview |
|
|
Text
7. BAB II_2018224TIF.pdf Download (8MB) | Preview |
|
|
Text
8. BAB III_2018224TIF.pdf Download (139kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
9. BAB IV_2018224TIF.pdf Restricted to Repository staff only Download (5MB) |
|
|
Text
10. BAB V_2018224TIF.pdf Restricted to Repository staff only Download (499kB) |
|
|
Text
11. BAB VI_2018224TIF.pdf Download (99kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018224TIF.pdf Download (1MB) | Preview |
Abstract
Banyaknya obrolan yang dilakukan pelakue-commercemelaluitweet-tweetdi Twittermenghasilkan banyak sumber daya informasi mengenaie-commerce. Namun,hal iniperlu diklasifikasi untuk mengatasi permasalahan besarnya data tidak terstrukturdaritweet-tweettersebut.Banyak penelitian yang dilakukan untuk menemukan metode klasifikasiyang tepatuntuk menghasilkan akurasi terbaik daritweet-tweettersebut.Support Vector Machine(SVM)sebagai salah satu metode pembelajaran mesin dapat dijadikan pilihan dalammetode pembelajaran klasifikasi karena mampu bekerja di data tidak terstruktur.Banyak penelitian klasifikasi dokumen yang menggunakan metode ini berhasilmenghasilkan akurasi yangcukup tinggi dibanding metode pembelajaran lainnya.Penelitian ini menggunakan 1000tweetsebagaidatasetuntuk mengetahui kinerjaSVMdalam melakukantweettransaksie-commerce. Untuk mendapatkan akurasi,datasetyang telah diunduh diproses dalam beberapa tahapan yang terdiri dari pelabelan manual,preprocessing, ekstraksi fitur hingga proses pembelajaranSVM. Dari modelpembelajaran yang dihasilkan prosestrainingSVM,didapat nilai akurasi sebesar 96%dengan fiturthreshold. Sedangkan fitur tanpathresholdmodel terbaik yang dihasilkanSVMhanya menghasilkan akurasi sebesar 67 %Kata Kunci :DF,E-commerce,Fitur, Klasifikasi,LibSVM,Preprocessing,SVM,Threshold,Transaksi,Tweet,Twitter.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 000 Karya Umum |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 03 Jul 2019 04:48 |
| Last Modified: | 03 Jul 2019 04:48 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/14880 |
Actions (login required)
 |
View Item |