Penerapan Metode DBSCAN dalam Memperbaiki Kinerja K-Means untuk Penggerombolan Data Tweet.
dc.contributor.advisor | Kurnia, Anang | |
dc.contributor.advisor | Rahardiantoro, Septian | |
dc.contributor.advisor | Nurhadryani, Yani | |
dc.contributor.author | Fatimah, Astri | |
dc.date.accessioned | 2019-01-21T08:08:25Z | |
dc.date.available | 2019-01-21T08:08:25Z | |
dc.date.issued | 2018 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/96191 | |
dc.description.abstract | 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. | id |
dc.publisher | Bogor Agricultural University (IPB) | id |
dc.subject.ddc | Statistics | id |
dc.subject.ddc | Cluster Analysis | id |
dc.subject.ddc | 2018 | id |
dc.subject.ddc | Jawa Barat | id |
dc.title | Penerapan Metode DBSCAN dalam Memperbaiki Kinerja K-Means untuk Penggerombolan Data Tweet. | id |
dc.subject.keyword | analisis gerombol | id |
dc.subject.keyword | data teks | id |
dc.subject.keyword | DBSCAN | id |
dc.subject.keyword | Means | id |
dc.subject.keyword | silhouette coefficient | id |