Text Clustering Pada Akun Twitter Layanan Ekspedisi Jne, J&T, Dan Pos Indonesia Menggunakan Metode Density-Based Spatial Clustering Of Applications With Noise (DBSCAN) Dan K-Means

Isnarwaty, Devi Putri (2019) Text Clustering Pada Akun Twitter Layanan Ekspedisi Jne, J&T, Dan Pos Indonesia Menggunakan Metode Density-Based Spatial Clustering Of Applications With Noise (DBSCAN) Dan K-Means. Other thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 06211745000032-Undergraduate_Theses.pdf]
Preview
Text
06211745000032-Undergraduate_Theses.pdf - Published Version

Download (2MB) | Preview
[thumbnail of 06211745000032-Undergraduate_Theses.pdf]
Preview
Text
06211745000032-Undergraduate_Theses.pdf - Published Version

Download (2MB) | Preview

Abstract

Tingginya minat masyarakat untuk berbelanja online membuat meningkatnya layanan ekspedisi yang digunakan untuk mengirimkan produk dari transaksi secara online maupun offline. Ada banyak perusahaan ekspedisi yang populer di Indonesia misalnya JNE, J&T, dan Pos Indonesia. Perusahaan ekspedisi gencar melakukan promosi lewat media sosial, misalnya saja Twitter. Akun Twitter ini dapat digunakan sebagai media bagi pelanggan untuk memberikan pendapat, kritik, maupun saran, dan bagi pihak perusahaan untuk memberikan tanggapan maupun informasi. Analisis terhadap twitter yang dikirim, berguna bagi perusahaan untuk meningkatkan performa layanan. Dokumen twitter berupa teks sehingga diperlukan text mining untuk menganalisisnya. Dalam penelitian ini, text clustering digunakan untuk mengelompokkan pendapat menjadi beberapa kategori. Metode yang digunakan pada text clustering adalah metode K-Means dan Density-Based Spatial Clustering of Applications with Noise (DBSCAN). DBSCAN adalah sebuah metode yang membentuk cluster dari data-data yang saling berdekatan, sedangkan data yang saling berjauhan tidak akan menjadi anggota cluster. K-Means adalah teknik clustering yang sederhana dan cepat dalam proses clustering obyek serta mampu mengelompokkan data dalam jumlah cukup besar. Berdasarkan nilai silhouette coefficient, metode DBSCAN merupakan metode terbaik untuk mengelompokkan tweet yang ditujukan kepada layanan ekspedisi JNE, J&T, dan Pos Indonesia.
==============================================================================================================================
The high of public interest for online shop made the expedition services grow up to service product delivery whether online or offline service. There are many popular expedition companies in Indonesia, such as JNE, J&T, and Pos Indonesia. Expedition companies are often promote their services by social medias, one of them is Twitter. This Twitter is used as medias for customers to give opinions, criticisms, or suggestions, and on the expedition company to provide feedback and information. Analysis of the twitter sent, useful for companies to improve service performance. Twitter documents require text form, hence the text mining analysis is needed. In this study, text clustering is needed for clustering customer’s opinion. The text clustering’s method which could be used are K-Means and Density-Based Spatial Clustering of Applications with Noise (DBSCAN). DBSCAN is a method which is clustering high density data, while low density data is neglected. K-Means is a simple and fast clustering technique in object clustering and could solve a big data. Based on the silhouette coefficient value, DBSCAN method is the best method to clustering JNE, J&T, and Pos Indonesia customer’s opinion.

Item Type: Thesis (Other)
Additional Information: RSSt 519.53 Isn t-1 2019
Uncontrolled Keywords: Clustering, Ekspedisi, DBSCAN, K-Means, Text Mining
Subjects: H Social Sciences > HE Transportation and Communications
H Social Sciences > HF Commerce
H Social Sciences > HF Commerce > HF5415.5 Customer services. Customer relations
Q Science > QA Mathematics > QA278.55 Cluster analysis
T Technology > T Technology (General) > T57.5 Data Processing
Divisions: Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User: Isnarwaty Devi Putri
Date Deposited: 27 Dec 2022 03:06
Last Modified: 27 Dec 2022 03:06
URI: http://repository.its.ac.id/id/eprint/64455

Actions (login required)

View Item View Item