Klasifikasi Kepribadian Berdasarkan Tulisan dari Twitter Menggunakan Metode Naive Bayes, KNN dan SVM

Pratama, Bayu Yudha (2015) Klasifikasi Kepribadian Berdasarkan Tulisan dari Twitter Menggunakan Metode Naive Bayes, KNN dan SVM. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5111100127-Undergraduate_Thesis.pdf]
Preview
Text
5111100127-Undergraduate_Thesis.pdf - Accepted Version

Download (3MB) | Preview

Abstract

Kepribadian merupakan komponen dasar dari perilaku manusia. Kepribadian telah terbukti memengaruhi interaksi dan preferensi seorang individu. Hingga saat ini, untuk mengukur kepribadian sesorang, mereka diharuskan mengambil tes kepribadian. Media sosial adalah tempat dimana seorang individu mengekspresikan dirinya kepada dunia luar. Tulisan yang dibuat oleh pengguna media sosial dapat dianalisis untuk mendapatkan informasi yang diinginkan. Tugas akhir ini memprediksi kepribadian berdasarkan teks yang dituliskan oleh pengguna media sosial Twitter. Bahasa yang digunakan adalah bahasa Indonesia dan bahasa Inggris. Metode klasifikasi yang diimplementasikan adalah Naive Bayes, K-Nearest Neighbors dan Support Vector Machine. Hasil uji coba menunjukkan metode Naive Bayes dengan rata-rata akurasi 63% sedikit mengungguli metode lainnya.
====================================================================================================
Personality is a fundamental basic of human behavior. Personality has been shown to affect the interaction and preferences of an individual. Until now, to gauge their personalities people are required to take a personality test. Social media is a place where users expresses themselves to the world. Posts made by users of social media can be analyzed to obtain personal information. This final project is to predict personality based on a text written by Twitter users. The language used is Indonesian and English. Classification method implemented is Naive Bayes, KNearest Neighbors and Support Vector Machine. Testing results showed Naive Bayes with an average accuracy of 63% slightly outperformed the other methods.

Item Type: Thesis (Undergraduate)
Additional Information: RSIf 006.312 Pra k
Uncontrolled Keywords: Identifikasi kepribadian, K-Nearest Neighbors, Klasifikasi teks, Machine learning, Media sosial, Naive Bayes, Support Vector Machine.
Subjects: Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions: Faculty of Information and Communication Technology > Informatics > 55201-(S1) Undergraduate Thesis
Depositing User: Yeni Anita Gonti
Date Deposited: 02 Apr 2020 13:17
Last Modified: 02 Apr 2020 13:17
URI: http://repository.its.ac.id/id/eprint/75663

Actions (login required)

View Item View Item