Rancang Bangun Aplikasi untuk Klasifikasi Komentar Netizen pada Media Sosial Pemerintah Daerah di Indonesia Menggunakan Algoritma Random Forest

Hazmi, Muhammad Fikry (2018) Rancang Bangun Aplikasi untuk Klasifikasi Komentar Netizen pada Media Sosial Pemerintah Daerah di Indonesia Menggunakan Algoritma Random Forest. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 05211440000143-Undergraduate_Theses.pdf]
Preview
Text
05211440000143-Undergraduate_Theses.pdf - Accepted Version

Download (2MB) | Preview

Abstract

Perkembangan teknologi informasi dan komunikasi (TIK) mendorong pemerintah untuk menerapkan e-government. E-Government diyakini dapat memberikan dampak yang luas apabila dijalankan dengan baik. Media sosial dipilih sebagai jembatan komunikasi antara masyarakat dan pemerintah dengan pengguna aktif di Indonesia hampir 50% dari total populasi berdasarkan statistik dari Digital Global Statistic. Salah satu upaya yang dapat dilakukan untuk meningkatkan partisipasi publik adalah dengan membangun komunikasi dua arah yang efektif dengan masyarakat melalui media sosial. Komentar dalam media sosial merupakan salah satu bentuk keterlibatan masyarakat terhadap pemerintahan. Berdasarkan kasus tersebut, dibutuhkan sebuah platform yang mampu mengklasifikasikan dan memberikan informasi visual terhadap topik pembicaraan masyarakat pada kiriman di media sosial pemerintahan secara real-time dan Random forest dipilih sebagai metode klasifikasi. Adapun data yang digunakan diambil dari akun Facebook, Twitter, dan Youtube milik pemerintah daerah. Setelah data dididapatkan serta dianalisa menggunakan Random Forest kemudian dilakukan visualisasi terhadap kategori komentar. Platform ini menggunakan Kafka sebagai data pipeline dan menggunakan Spark untuk membantu proses machine learning. Melalui proses pembuatan model, telah didapatkan hasil akurasi terbaik adalah 74,25% dengan menggunakan parameter num of trees dan max depth sebesar 100 dan 30. Selain itu pada proses aplikasi streaming, rata-rata Processing Time adalah 20,385 detik dan rata-rata Total Delay adalah 20,854 detik untuk setiap batch. ============== The development of information technology and communication has encouraged the government to apply e-government. They believe it could give a broad impact when it well implemented. Social media was chosen to be the communication tool between the society and the government. Based on statistics from the Digital Global Statistic, its active users in Indonesia reach almost 50% of the total population. One of the efforts that could be done to increase public participation is to build an effective two-way communication with society through the social media. Comments in the social media are one form of social participation to the government. Based on that case, we need a platform that could classify and give visual information about topics those spread widely in the society, from the posts they put on the government's social media accounts, in real time. To satisfy this, we chose Random Forest to be the method that used in the classification process. The data we used in this research is taken from Facebook, Twitter, and Youtube account of each local government. After gathering the data and processed it with random forest, then we visualized it in the comment's categories. This platform uses Kafka as a pipeline data and uses Spark to help machine learning process. Through the model development, we got 74,25% as the best accuracy with parameters; the num of trees and max depth are 100 and 30 respectively. Moreover, at the streaming application process, the average Processing Time is 20.385 seconds and the average Total Delay is 20.854 seconds for each batch.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: E-Government, Klasifikasi, Random Forest, Real-Time, Classification
Subjects: Q Science > QA Mathematics > QA76.9 Computer algorithms. Virtual Reality. Computer simulation.
T Technology > T Technology (General)
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: Muhammad Fikry Hazmi
Date Deposited: 16 Aug 2018 07:46
Last Modified: 24 Jan 2021 12:29
URI: http://repository.its.ac.id/id/eprint/52398

Actions (login required)

View Item View Item