ANALISIS TEXT CLUSTERING AKUN FANPAGE SHOPEE INDONESIA DENGAN KOMENTAR FOLLOWERS MENGGUNAKAN TOOLS ORANGE DATA MINING

UNIVERSITAS BINA DARMA, UNIVERSITAS BINA DARMA (2022) ANALISIS TEXT CLUSTERING AKUN FANPAGE SHOPEE INDONESIA DENGAN KOMENTAR FOLLOWERS MENGGUNAKAN TOOLS ORANGE DATA MINING. ANALISIS TEXT CLUSTERING AKUN FANPAGE SHOPEE INDONESIA DENGAN KOMENTAR FOLLOWERS MENGGUNAKAN TOOLS ORANGE DATA MINING.

[img]
Preview
Text
document PAPER SENTIYA.pdf

Download (496kB) | Preview
Official URL: https://www.binadarma.ac.id

Abstract

Hasil penelitian ini ditemukan fakta bahwa followers akun twitter Shopee Indonesia paling banyak merespon status yang berhubungan dengan kata kuis berhadiah, retweet yang memberikan handphone, dan tebakan dalam bentuk vote dimana topik pembicaraan dalam sebuah tweet yang beragam membuat perhatian untuk diteliti. Text mining yang digunakan untuk ekstrak secara otomatis dari sumber data teks yang berbeda yang menangani masalah clustering. Dengan menggunakan metode K-Means Clustering sebagai metode pengelompokkan data yang mempartisi data ke dalam bentuk dua atau lebih kelompok. Penelitian ini mencoba menggunakan text mining dalam proses untuk pengelolaan serta peringkasan teks sehingga menghasilkan analisis text clustering terhadap akun fanpage Shopee Indonesia dengan menggunakan tools Orange Data Mining dengan memanfaatkan Preprocess Text yang meliputi transformation, tokenization, normalization, dan filtering yang bertujuan agar teks dapat dibaca dan dianalisis dari Orange Data Mining sehingga menghasilkan topik pembahasan dari kata yang dominan muncul dari status dan komentar followers Shopee Indonesia. Kumpulan teks dalam jumlah banyak akan di scraping dengan menggunakan Web

Item Type: Article
Subjects: H Social Sciences > H Social Sciences (General)
Divisions: Faculty of Law, Arts and Social Sciences > School of Management
Depositing User: Mr Edi Surya Negara
Date Deposited: 19 Jun 2022 09:58
Last Modified: 19 Jun 2022 09:58
URI: http://eprints.binadarma.ac.id/id/eprint/12205

Actions (login required)

View Item View Item