KLASIFIKASI HOBI PENGGUNA TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR(K-NN) UNTUK MENDAPATKAN TARGET KONSUMEN PADA PENJUALAN SOUVENIR OLAHRAGA

YULISTIRA DWI RIASTUTI, (2018) KLASIFIKASI HOBI PENGGUNA TWITTER MENGGUNAKAN METODE K-NEAREST NEIGHBOR(K-NN) UNTUK MENDAPATKAN TARGET KONSUMEN PADA PENJUALAN SOUVENIR OLAHRAGA. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
1. COVER_2018444TIF.pdf

Download (141kB) | Preview
[img]
Preview
Text
2. PENGESAHAN_2018444TIF.pdf

Download (688kB) | Preview
[img]
Preview
Text
3. ABSTRAK_2018444TIF.pdf

Download (93kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR_2018444TIF.pdf

Download (247kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI_2018444TIF.pdf

Download (282kB) | Preview
[img]
Preview
Text
6. BAB I_2018444TIF.pdf

Download (250kB) | Preview
[img]
Preview
Text
7. BAB II_2018444TIF.pdf

Download (615kB) | Preview
[img]
Preview
Text
8. BAB III_2018444TIF.pdf

Download (191kB) | Preview
[img]
Preview
Text
9. BAB IV_2018444TIF.pdf

Download (1MB) | Preview
[img] Text
10. BAB V_2018444TIF.pdf
Restricted to Repository staff only

Download (590kB)
[img]
Preview
Text
11. BAB VI_2018444TIF.pdf

Download (93kB) | Preview
[img]
Preview
Text
12. DAFTAR PUSTAKA_2018444TIF.pdf

Download (167kB) | Preview

Abstract

Media sosial merupakan salah satu sarana untuk mengembangkan bisnis, salah satunya adalah Twitter. Penargetan konsumen menggunakan Twitter akan sampai langsung kepada pengguna Twitter. Pengumpulan informasi tentang ketertarikan pengguna Twitter pada suatu hobi tertentu dinilai belum efektif karena banyaknya pembeli yang lebih tertarik pada toko online yang telah memiliki citra merek. Dengan pendekatan klasifikasi menggunakan algoritma k-Nearest Neighbor dilakukan klasifikasi terhadap pengguna Twitter khususnya yang memiliki minat terhadap cabang olahraga sepak bola, basket, dan renang. Data yang dgunakan pada penelitian ini sebanyak 2000 tweets. Data latih dan data uji dibagi pada komposisi 90:10 dengan metode perhitungan akurasi confusion matrix. Pengujian juga dilakukan untuk menemukan nilai k terbaik pada algoritma k-NN. Fold dengan akurasi terbaik ditemukan pada fold ke-5dengan akurasi 90% pada k=13 dan k = 15. Kata Kunci: confusion matrix, k-Nearest Neighbor, pemasaran, tweet, Twitter.

Item Type: Thesis (Skripsi)
Subjects: 600 Teknologi dan Ilmu-ilmu Terapan
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 30 Jul 2019 03:03
Last Modified: 30 Jul 2019 03:03
URI: http://repository.uin-suska.ac.id/id/eprint/16943

Actions (login required)

View Item View Item