ASPANSYAH (2018) REKOMENDASI TEMAN PADA FACEBOOKMENGGUNAKAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MKNN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018457TIF.pdf Download (139kB) | Preview |
|
|
Text
2. PENGESAHAN_2018457TIF.pdf Download (1MB) | Preview |
|
|
Text
3. ABSTRAK_2018457TIF.pdf Download (149kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018457TIF.pdf Download (362kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018457TIF.pdf Download (2MB) | Preview |
|
|
Text
6. BAB I_2018457TIF.pdf Download (296kB) | Preview |
|
|
Text
7. BAB II_2018457TIF.pdf Download (553kB) | Preview |
|
|
Text
8. BAB III_2018457TIF.pdf Download (416kB) | Preview |
|
|
Text
9. BAB IV_2018457TIF.pdf Download (1MB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018457TIF.pdf Restricted to Repository staff only Download (875kB) |
|
|
Text
11. BAB VI_2018457TIF.pdf Download (174kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018457TIF.pdf Download (169kB) | Preview |
Abstract
Facebookmerupakan jejaring socialberbasis internetyang memungkinkan untuk melakukan komunikasi secara realtime, banyaknya jumlahpengguna Facebookberimbaspada relasi hubungandalam berkomunikasi. Salah satu hal yang perlu diperhatikan adalah masalah pertemanan dalam arti siapa yang diizinkan mengakses informasi pribadidalam berkomunikasi, dengan menggunakan pertimbangan rekomendasi akan membantu untuk mengatur akses data pengguna Facebookdengan dan pada siapa saja komunikasih dapat dilakukan. Menggunaka Teknik klasifikasi metode Modified K-Nearest Neighbor (MKNN)dalam melakukan klasifikasi rekomendasi teman pada jejaring sosial Facebookmenggunakan data profil nama pangguna dengan parameter jenis kelamin, umur, alamat tinggal, provinsi asal sekolah, genremusik, genrebuku serta status hubungan, untuk melakukan klasifikasi. Dengan menggunakan parameter umum tersebut hasil yang didapat dari penggambilan100 data user yang dibagi90 persen sebagai data latih dan 10 persen sebagai data uji, kemudian membaginya kedalam dua buah kelas yaitu kelas untuk rekomendasi dan kelas untuk yang tidak rekomendasidengan menghitung nilai tetangga K samadengan 3 mendapatan akurasi sebesar 80%.Kata Kunci:,Genre, Internet,Klasifikasi,Modified K-Nearest Neighbor, Profil.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 000 Karya Umum > 005 Program Komputer, program-program, data |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 05 Jul 2019 07:26 |
| Last Modified: | 05 Jul 2019 07:26 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/15298 |
Actions (login required)
 |
View Item |