Penerapan Metode DBSCAN dalam Memperbaiki Kinerja K-Means untuk Penggerombolan Data Tweet.
View/ Open
Date
2018Author
Fatimah, Astri
Kurnia, Anang
Rahardiantoro, Septian
Nurhadryani, Yani
Metadata
Show full item recordAbstract
Text Mining merupakan penyarian informasi dari data teks. Konsep penting
yang terdapat pada text mining adalah konversi pola data teks menjadi data
terstruktur melalui tahapan pra-processing dan vector space model. Penelitian ini
berupaya untuk menerapkan metode -Means untuk menggerombolkan data teks.
Proses penggerombolan dilakukan tanpa dan dengan memerhatikan amatan yang
terindikasi sebagai amatan noise. Pendeteksian amatan terindikasi noise dilakukan
dengan metode Density-based Spatial Clustering of Application with Noise
(DBSCAN). Metode evaluasi kebaikan penggerombolan menggunakan metode
Silhouette Coefficient ( ). Data yang digunakan adalah data Twitter kampanye
Pilkada Jawa Barat 2018 sejak 15 sampai dengan 20 Februari 2018 yang diolah
secara kumulatif per-hari. Hasil kajian menunjukkan bahwa DBSCAN mampu
memperbaiki kinerja -Means dalam penggerombolan berdasarkan nilai yang
lebih tinggi daripada -Means tanpa menyisihkan amatan noise.