Sistem Penentuan Karakter dan Kebiasaan Pengguna Media Sosial Menggunakan Text Mining (Studi Kasus: Twitter)
Abstract
Laju perkembangan teknologi berbanding lurus dengan kebutuhan manusia akan informasi. Media sosial merupakan salah satu teknologi informasi yang memungkinkan pengguna mengakses informasi yang tersebar di media sosial. Twitter merupakan salah satu media sosial yang menyediakan fitur tweet yang dapat berisi foto, video, URL dan teks hingga 140 karakter. Gaya berbahasa dalam konten tweet dapat menjadi salah satu informasi untuk mengidentifikasi karakter dan kebiasaan pengguna. Saat ini informasi mengenai karakter dan kebiasaan pengguna sangat dibutuhkan, baik untuk kepentingan pribadi maupun kelompok. Untuk melakukan identifikasi tersebut, dibutuhkan pengetahuan khusus dan waktu yang relatif lama karena jumlah tweet yang sangat banyak. Melalui permasalahan tersebut, maka penulis membangun sistem yang akan menentukan kepribadian dan kebiasaan pengguna secara objektif berdasarkan tweet pengguna. Tweet akan diakuisisi dan diproses menggunakan text mining. Proses klasifikasi akan dilakukan menggunakan metode Naive Bayes Classifier. Teknik text mining dan metode Naive Bayes Classifier berhasil diadaptasikan pada sistem ini dalam menentukan karakter dan kebiasaan pengguna Twitter.References
Statista. (2015). Number of Worldwide Internet Users from 2000 to 2015 (in Millions). Diambil 19 Desember 2015 dari http://www.statista.com/statistics/273018/number-of-internet-users-worldwide/.
TwitterInc. (2014). What Is Twitter?. Diambil 15 Mei 2015 dari https://support.twitter.com/groups/50-welcome-to-twitter/topics/203-faqs/articles/13920-new-user-faqs.
Golbeck, J., Robles, C., Edmonson, M., Turner, K. (2011). 2011 IEEE International Conference on Privacy, Security, Risk and Trust, and IEEE International Conference on Social Computing.Predicting Personality from Twitter. 149-156. Maryland, USA: University of Maryland.
Manalu, B.U. (2014). Analisis Sentimen Pada Twitter Menggunakan Text Mining. Medan: Universitas Sumatera Utara.
Marshall, T.C., Lefringhausen, K., Ferenczi, N. (2015). Personality and Individual Differences. The Big Five, Self-Esteem, and Narcissism as Predictor of The Topics People Write About in Facebook Status Updates. 35-40. London, UK: Elsevier Ltd.
Hearst, M. (2003). What Is Text Mining?. Diambil 11 November 2015 dari http://people.ischool.berkeley.edu/~hearst/text-mining.
Grobelnik, M., Mladenic, D., Milic-Frayling, N. (2000). Text Mining as Integration of Several Related Research Areas: Report on KDD’2000 Workshop on Text Mining.
Raghavan, P., & Manning, C. Text Classification: The Naïve Bayes Algorithm.
Dienner, E. & Lucas, R.E.(2015). Personality Traits. Diambil 7 September 2015 dari http://nobaproject.com/modules/personality-traits.
Data School. (2014). Simple Guide to Confusion Marix Terminology. Diambil 22 Desember 2015 dari http://www.dataschool.io/simple-guide-to-confusion-matrix-terminology/.
Downloads
Published
Issue
Section
License
Copyright info for authors
1. Authors hold the copyright in any process, procedure, or article described in the work and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors retain publishing rights to re-use all or portion of the work in different work but can not granting third-party requests for reprinting and republishing the work.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) as it can lead to productive exchanges, as well as earlier and greater citation of published work.