Klasifikasi kepribadian pengguna facebook menggunakan support vector machine

Muhammad, Yasa Muhammad (2020) Klasifikasi kepribadian pengguna facebook menggunakan support vector machine. Undergraduate thesis, Universitas 17 Agustus 1945 Surabaya.

	Text abstrak.pdf Download (508kB)
	Text bab 1.pdf Restricted to Registered users only Download (13kB) | Request a copy
	Text bab 2.pdf Restricted to Registered users only Download (461kB) | Request a copy
	Text bab 3.pdf Restricted to Registered users only Download (9kB) | Request a copy
	Text bab 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text bab 5.pdf Restricted to Registered users only Download (141kB) | Request a copy
	Text lampiran.pdf Download (553kB)
	Text turnitin.pdf Download (2MB)

Abstract

Facebook merupakan sosial media yang dipergunakan untuk bersosialisasi, dari status pengguna facebook dapat dipergunakan untuk memperoleh informasi kepribadian penggunanya. Pada penelitian ini kepribadian yang diambil terdiri dari social word, positive emotions dan negative emotions. Linguistic Inquiry and Word Count (LIWC) adalah program yang dapat menganalisa dan merubah teks menjadi sebuah nilai sehingga dapat menggambarkan beberapa nilai-nilai kepribadian seseorang. Penelitian ini bertujuan untuk mengembangkan aplikasi ‘klasifikasi kepribadian pengguna sosial media facebook’, serta menerapkan metode SVM pada proses klasifikasinya. Penelitian ini berfokus pada penerapannya di dunia industri untuk menyeleksi atau proses seleksi pada calon pegawai dengan data status dari sosial media facebook. Pada penelitian ini mengambil data status pengguna facebook sebanyak 300 status secara acak dan sebagai pembanding menggunakan data dari status pengguna twitter sebanyak 2067 status. Pada proses pengujian menggunakan metode Support Vector Machine (SVM) memakai skema normalisasi [0.1] dan [-1.1], pada skema [0.1] didapatkan nilai akurasi 100% pada uji status pengguna facebook dan nilai 70.29% untuk uji status pengguna twitter, dan pada skema [-1.1] didapatkan nilai akurasi 100% untuk status pengguna facebook dan nilai akurasi 99.3% pada status pengguna twitter. Dari hasil pengujian yang dilakukan didapati nilai 100% pada pengujian status facebook dan hasil pengujian pada status pengguna twitter didapati nilai 70.29% untuk skema [0.1] dan nilai akurasi 99.3% pada skema [-1.1]. Kata kunci: Facebook, Support Vector Machine, LIWC, Klasifikasi

Item Type:	Thesis (Undergraduate)
Uncontrolled Keywords:	Facebook, Support Vector Machine, LIWC, Klasifikasi
Subjects:	Q Science > QP Physiology T Technology > T Technology (General)
Divisions:	Fakultas Teknik > Program Studi Teknik Informatika
Depositing User:	Muhammad Yasa .
Date Deposited:	09 Mar 2020 03:07
Last Modified:	09 Mar 2020 03:07
URI:	http://repository.untag-sby.ac.id/id/eprint/2921

Available Versions of this Item

• Klasifikasi kepribadian pengguna facebook menggunakan support vector machine. (deposited 09 Mar 2020 03:07) [Currently Displayed]
  • Klasifikasi kepribadian pengguna facebook menggunakan support vector machine. (deposited 30 Jun 2020 01:26)

Actions (login required)

View Item