PEMETAAN RISET TENTANG DETEKSI TOPIK PADA TWITTER DENGAN TEKNIK SYSTEMATIC LITERATURE REVIEW

SRI SUHARTINI, . (2019) PEMETAAN RISET TENTANG DETEKSI TOPIK PADA TWITTER DENGAN TEKNIK SYSTEMATIC LITERATURE REVIEW. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text 1. cover halaman depan.pdf Download (131kB)
	Text 2. abstrak dan abstract.pdf Download (89kB)
	Text 3. lembar persetujuan.pdf Download (130kB)
	Text 4. lembar orisinalitas.pdf Download (194kB)
	Text 6. KATA PENGANTAR.pdf Download (192kB)
	Text 7. DAFTAR ISI.pdf Download (196kB)
	Text 11a. Bab 1.pdf Download (197kB)
	Text 11b. Bab 2.pdf Restricted to Registered users only Download (454kB)
	Text 11c. Bab 3.pdf Restricted to Registered users only Download (225kB)
	Text 11d. Bab 4.pdf Restricted to Registered users only Download (878kB)
	Text 11e. Bab 5.pdf Restricted to Registered users only Download (277kB)
	Text 12. Daftar Pustaka.pdf Download (314kB)

Abstract

Twitter merupakan salah satu media sosial yang banyak digemari orang, mulai dari anak remaja hingga dewasa. Di twitterbanyak informasi yang akan didapatkan oleh para pengguna. Masing-masing informasi memiliki kata kunci untuk dikelompokkan topik bahasannya. Kata kunci yang dimaksud adalah kata yang memiliki posisi yang istimewa dalam sebuah kalimat.Dari kata kunci ini maka topik akan lebih mudah untuk di deteksi. Terdapat berbagai macam metode untuk mendeteksi topik pada twitter.Penelitian ini bertujuan untuk membuat peta riset deteksi topik pada twitter dengan teknik systematic literature review. Literatur yang digunakan berasal dari beberapa digital library yaitu IEEE eXplore, Sciencedirect, Google Scholardan Citeseerx. Selanjutnya proses penyaringan literatur berdasarkan relevansi judul didapat 50 judul literatur. Setelah itu menganalisis isi dari masing-masing literatur. Hasil analisis menunjukkan terdapat 39 jenis metode deteksi topik. Metode terbanyak yang digunakan ialah Latent Dirichlet Allocation (LDA). Dan metode dengan tingkat akurasi tertinggi yang digunakan ialah Random Forest (RF) dan Naives Bayes dengan tingkat akurasi 95,5%.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Widodo, S.Kom., M.Kom ; 2). Bambang Prasetya A., M.Kom
Subjects:	Sains > Matematika > Software, Sistem Informasi Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Users 29 not found.
Date Deposited:	19 Feb 2021 12:23
Last Modified:	19 Feb 2021 12:23
URI:	http://repository.unj.ac.id/id/eprint/12878

Actions (login required)

View Item