LEO ARI WIBOWO (2018) NAMED ENTITY RECOGNITION(NER) PADA TWEET IKLAN MENGGUNAKAN METODE K-NEAREST NEIGHBOR(k-NN). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER_2018476TIF.pdf Download (129kB) | Preview |
|
|
Text
2. PENGESAHAN_2018476TIF.pdf Download (485kB) | Preview |
|
|
Text
3. ABSTRAK_2018476TIF.pdf Download (98kB) | Preview |
|
|
Text
4. KATA PENGANTAR_2018476TIF.pdf Download (190kB) | Preview |
|
|
Text
5. DAFTAR ISI_2018476TIF.pdf Download (165kB) | Preview |
|
|
Text
6. BAB I_2018476TIF.pdf Download (217kB) | Preview |
|
|
Text
7. BAB II_2018476TIF.pdf Download (292kB) | Preview |
|
|
Text
8. BAB III_2018476TIF.pdf Download (143kB) | Preview |
|
|
Text
9. BAB IV_2018476TIF.pdf Download (624kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V_2018476TIF.pdf Restricted to Repository staff only Download (529kB) |
|
|
Text
11. BAB VI_2018476TIF.pdf Download (98kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA_2018476TIF.pdf Download (160kB) | Preview |
Abstract
Iklan tidak hanya dimuat disurat kabar tetapi juga sudah bisa di pasarkan melalui media lain seperti pada media sosial, untuk memasarkan produk pemasang iklan harus mengetahui faktor-faktor yang dapat mempengaruhi keputusan konsumen untuk membeli suatu produk, seperti memberitahukan identitas lengkap kepada konsumen seperti nama produk, nomor kontak dan penjelasan tentang produk agar lebih mudah melakukan transaksi dan menghindari terjadinya penipuan. Named Entity Recognition (NER) adalah mengidentifikasikan nama entitas seperti nama orang, organisasi, lokasi, pernyataan waktu, nilai uang, dan lain sebagainya. Pada penelitian ini klasifikasi Named Entity Recognition menggunakan metode k-Nearest Neighbor yang dikelompokkan menjadi empat kategori yaitu nama penjual, nama produk, alamat dan kontak. Berdasarkan hasil ujidengan Confusion Matrix pada 11 kata diperoleh akurasi tertinggi menggunakan K=3 dengan akurasi 81,81%dan K=7 dengan akurasi 81,81%. Kata Kunci: Iklan, k-Nearest Neighbor, Named Entity Recognition.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 17 Jul 2019 07:09 |
| Last Modified: | 17 Jul 2019 07:09 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/16168 |
Actions (login required)
 |
View Item |