REKOMENDASI TEMAN PADA FACEBOOKMENGGUNAKAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MKNN)

ASPANSYAH, (2018) REKOMENDASI TEMAN PADA FACEBOOKMENGGUNAKAN ALGORITMA MODIFIED K-NEAREST NEIGHBOR (MKNN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018457TIF.pdf

Download (139kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018457TIF.pdf

Download (1MB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018457TIF.pdf

Download (149kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018457TIF.pdf

Download (362kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018457TIF.pdf

Download (2MB) | Preview
[img]
Preview
Text
6. BAB I_2018457TIF.pdf

Download (296kB) | Preview
[img]
Preview
Text
7. BAB II_2018457TIF.pdf

Download (553kB) | Preview
[img]
Preview
Text
8. BAB III_2018457TIF.pdf

Download (416kB) | Preview
[img]
Preview
Text
9. BAB IV_2018457TIF.pdf

Download (1MB) | Preview
[img] Text
10. BAB V_2018457TIF.pdf
Restricted to Repository staff only

Download (875kB)
[img]
Preview
Text
11. BAB VI_2018457TIF.pdf

Download (174kB) | Preview
[img]
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 View Item