Please use this identifier to cite or link to this item: http://repository.ipb.ac.id/handle/123456789/96191
Title: Penerapan Metode DBSCAN dalam Memperbaiki Kinerja K-Means untuk Penggerombolan Data Tweet.
Authors: Kurnia, Anang
Rahardiantoro, Septian
Nurhadryani, Yani
Fatimah, Astri
Issue Date: 2018
Publisher: Bogor Agricultural University (IPB)
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.
URI: http://repository.ipb.ac.id/handle/123456789/96191
Appears in Collections:UT - Statistics and Data Sciences

Files in This Item:
File SizeFormat 
G18afa.pdf
  Restricted Access
11.05 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.