IMPLEMENTASI MACHINE LEARNING UNTUK MENDETEKSI UNSUR DEPRESI PADA TWEET MENGGUNAKAN METODE K-NEAREST NEIGHBOR

MHD. FADLY

Informasi Dasar

65 kali
21.04.3693
006.31
Karya Ilmiah - Skripsi (S1) - Reference

Penggunaan media sosial dikalangan masyarakat sudah menjadi hal yang populer. Salah satu media sosial yang saat ini digunakan oleh masyarakat adalah Twitter. Dengan adanya fitur tweet pengguna dapat memposting apapun yang sedang dirasakan baik itu perasaan senang, sedih, galau, gugup. Sehingga dari postingan yang dicurahkan pengguna Twitter dapat dilihat apakah postingan tersebut mengandung perasaan depresi atau tidak. Dalam penelitian ini dihasilkan suatu sistem yang dapat mendeteksi apakah dalam postingan tweet terdapat unsur depresi atau tidak menggunakan metode K-Nearest Neighbor (K-NN). Metode K-Nearest Neighbor (K-NN) merupakan salah satu metode klasifikasi yang dapat digunakan untuk text mining, yang memiliki kelebihan yaitu mudah dipahami dan diimplementasikan. Dapat disimpulkan, sistem deteksi unsur depresi pada tweet menggunkan Metode K-Nearest Neighbor mampu mendeteksi apakah dalam postingan tweet berupa teks terdapat unsur depresi didalamnya atau tidak didapat tingkat akurasi sebesar 78.29% pada pengujian data latih, dan akurasi sebesar 63% pada pengujian data validasi.

Subjek

Machine Learning
 

Katalog

IMPLEMENTASI MACHINE LEARNING UNTUK MENDETEKSI UNSUR DEPRESI PADA TWEET MENGGUNAKAN METODE K-NEAREST NEIGHBOR
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

MHD. FADLY
Perorangan
ANGGUNMEKA LUHUR PRASASTI, RATNA ASTUTI NUGRAHAENI
 

Penerbit

Universitas Telkom, S1 Teknik Komputer
Bandung
2021

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini