Penerapan Klasifikasi Teks Untuk Pemetaan Data Twitter Pelanggan PT. Telekomunikasi Selular Dalam Bentuk Heat Map

Ma’ady, Mochamad Nizar Palefi (2014) Penerapan Klasifikasi Teks Untuk Pemetaan Data Twitter Pelanggan PT. Telekomunikasi Selular Dalam Bentuk Heat Map. Other thesis, Insititut Teknologi Sepuluh Nopember.

Text 5210100074_Undergraduate_Thesis.pdf Download (2MB)

Abstract

Persaingan yang semakin sengit membuat berbagai perusahaan semakin gencar untuk memperoleh informasi dari berbagai media untuk keperluan analisis layanan yang diberikan. Data yang terekam dalam jejaring sosial twitter dapat dijadikan sebagai data yang sangat potensial untuk dianalisis karena twitter merupakan salah satu media sosial yang paling banyak penggunanya di dunia. Dalam tugas akhir ini dibangun sebuah aplikasi pengklasifikasi teks berbasis Naive Bayes terhadap data twitter pelanggan PT. Telekomunikasi Selular untuk memantau opini positif dan negatif para pelanggannya terhadap layanan yang diberikan dalam bentuk heat map. Sebelum pengklasifikasi teks dibangun, sebuah praproses data dilakukan untuk menentukan atribut, memilih data yang memiliki koordinat, dan memilah kata yang dikategorikan sebagai opini positif dan negatif. Pengklasifikasi teks berbasis Naive Bayes kemudian dibangun dengan menggunakan fitur kata opini yang telah diperoleh. Koordinat data yang telah diklasifikasikan kemudian digunakan untuk menvisualisasikan gradasi tingkat kepadatan dari opini positif dan negatif yang yang diperoleh dengan menggunakan heat map. Aplikasi pengklasifikasi teks diujicobakan terhadap sejumlah sampel data yang diperoleh dari twitter pada bulan Desember 2013 serta data pada April dan Juni 2014 memberikan hasil akurasi dan recall yang memadai dengan nilai berturut- turut 73% dan 91%. Penggunaan heat map untuk memetakan posisi koordinat pelanggan yang opininya telah diklasifikasi akan memudahkan pihak pengguna untuk mengamati tingkat kepadatan opini pelanggan berdasarkan visualisasi gradasi warna peta yang disajikan pada radius tertentu dari satu titik koordinat pengamatan yang diinginkan.
=============================================================================================================================
The tight competition makes companies increasing effort to gain information from various media for the need of service analysis that will be given. Recorded data in social media such as twitter can be used as a potential data to be analyed because it is one of the most used social media in the world. In this thesis, there will be a construction of naive bayes based text classifier application on telkomsel corporation customer data twitter to observe positive and negative opinion of the customer on the services given in the form of heat map. Before the text classifier application is built, a pre-data process will be done in order to determine attribute, to choose data that have coordinate, and to decide which words are considered as positive or negative opinion. After it is finished, a naive bayes based text classifier will be built by using word opinion feature which has been gained. Then, classified data coordinate will be used to visualize density level gradation of positive and negative opinion that have b een gained from the use of heat map. Text classifier application is tested and used in a number of data sample gained from twitter in the month of December 2013, April and June 2014. The test gives accurate result and proportional recall in succesion of 73% and 91%. The use of heat map to determine customer coordinate position whose opinion has been classified, will ease the user to observe customer opinion density level based on colour gradation visualiztion which are presented in certain radius from one coordinate observing point that one want.

Item Type:	Thesis (Other)
Additional Information:	RSSI 006.312 Maa p
Uncontrolled Keywords:	elekomunikasi Selular, Twitter API Stream, Klasifikasi Teks, Naïve Bayes, Visualisasi, Heat Map, Twitter API Stream, Text Classification, Naïve Bayes, Visualization
Subjects:	Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	17 Nov 2023 07:05
Last Modified:	17 Nov 2023 07:05
URI:	http://repository.its.ac.id/id/eprint/105150

Actions (login required)

View Item