KLASIFIKASI PENULIS TWEET BERDASARKAN CIRI STYLOMETRIC MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

ABDUL MALIK AS SYARIFULLAH, - (2019) KLASIFIKASI PENULIS TWEET BERDASARKAN CIRI STYLOMETRIC MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

[img] Text
SKRIPSI FULL FOTO WATERMARK TANPA BAB 5.pdf

Download (4MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (504kB)

Abstract

Perkembangan media sosial di Indonesia menarik pengguna untuk semakin aktif bertukar pesan lewat media sosial. Twitter sampai saat ini telah memiliki lebih dari 200 juta pengguna dan setiap harinya Twitter menghasilkan 110 juta tweet. Banyaknnya pengguna Twitter juga mendorong terciptanya berbagai macam ciri linguistik seseorang. Tanpa disadari pada saat menuliskan sebuah tweet seorang pengguna telah menciptakan ciri linguistiknya pada saat menuliskan tweet di Twitter. Authorship Attribution merupakan solusi permasalahan untuk mengklasifikasi penulis tweet. Authorship Attribution memiliki Stylometric features untuk mengenali karakter penulis dari tulisannya. Pembobotan dilakukan dengan hitungan statistik melalui formula yang ada disetiap fitur yang ada dalam Stylometric Features. Dalam Stylometric Features sub fitur yang diambil adalah lexical feature : character based, lexical feature : word based, dan Syntactic Feature. Data yang digunakan berjumlah 8000 data yang terdiri dari 4 kelas dari 4 akun Twitter yang diambil masing-masing 2000 tweet per akun. Menggunakan metode Support Vector Machine sebagai metode klasifikasi dengan kernal RBF sistem berhasil melakukan klasifikasi setiap kelas dengan akurasi 71,875% dengan nilai parameter (C=64 dan γ=0.25).

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 07 Apr 2020 02:15
Last Modified: 07 Apr 2020 02:15
URI: http://repository.uin-suska.ac.id/id/eprint/26157

Actions (login required)

View Item View Item