Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

KLASIFIKASI KEPRIBADIAN BIG FIVE PERSONALITY BERDASARKAN TWEET MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)

Tia Sari Indayani, 11551200553 (2019) KLASIFIKASI KEPRIBADIAN BIG FIVE PERSONALITY BERDASARKAN TWEET MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi thesis, universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
BAB 1-IV-LAMPIRANN.pdf

Download (3MB)
[img] Text (BAB V)
BAB 5 fix.pdf
Restricted to Repository staff only

Download (1MB)

Abstract

Jejaring sosial dapat digunakan sebagai sumber informasi untuk mengetahui kepribadian seseorang. kepribadian Big Five Personality digolongkan menjadi lima kepribadian, yaitu Openness (O), Conscientiousness (C), Extroversion (E), Agreeableness (A), Neuroticism (N). Menilai kepribadian bisa dilakukan dengan melibatkan orang lain atau diri sendiri. Cara tersebut tidak praktis dilakukan ketika menganalisis kepribadian di jejaring sosial. Menilai kepribadian di media sosial maka akan dilihat dari apa yang tertulis atau yang diposting di media sosialnya seperti Twitter. Oleh karena itu, analisis kepribadian perlu dilakukan secara otomatis dengan menggunakan pembelajaran mesin. Klasifikasi dilakukan dengan metode Support Vector Machine (SVM). Mengetahui tipe kepribadian seseorang, hal ini akan membantu dalam menerima dirinya sendiri (self-acceptance) dan dapat memahami orang lain yang memiliki tipe kepribadian berbeda. Penelitian ini menggunakan 1500 tweet sebagai dataset. Untuk mengetahui akurasi yang dihasilkan SVM dalam mengklasifikasikan jenis kepribadian, ada beberapa tahapan yang harus dilewati yaitu pelabelan manual, preprocessing, Seleksi fitur dan proses pembelajaran SVM. Penelitian ini menggunakan pembagian data 90% sebagai data latih dan 10% sebagai data uji. Model pembelajaran yang dihasilkan oleh SVM, didapat akurasi sebesar 92,667% dengan treshold 8 dan menggunakan C=1.1 dan Gamma=1

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 005 Program Komputer, program-program, data
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 20 Dec 2019 07:04
Last Modified: 20 Dec 2019 07:04
URI: http://repository.uin-suska.ac.id/id/eprint/23750

Actions (login required)

View Item View Item