KLASIFIKASI PADA TWEET BERBAHASA INDONESIA MENGGUNAKAN METODE GRAVITASI DATA TUGAS AKHIR. Disusun Oleh : Mufida Lutfiah Ulfa

Transkripsi

1 KLASIFIKASI PADA TWEET BERBAHASA INDONESIA MENGGUNAKAN METODE GRAVITASI DATA TUGAS AKHIR Disusun Oleh : Mufida Lutfiah Ulfa JURUSAN TEKNIK INFOMRATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015 iii

2 KLASIFIKASI EMOSI PADA TWEET BERBAHASA INDONESIA MENGGUNAKAN METODE GRAVITASI DATA TUGAS AKHIR Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Disusun Oleh : MUFIDA LUTFIAH ULFA NIM : JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG 2015

3

4

5

6 KATA PENGANTAR Assalamu alaikum Wr. Wb. Dengan memanjatkan puji syukur kehadirat Allah SWT atas limpahan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan tugas akhir yang berjudul: KLASIFIKASI EMOSI PADA TWEET BERBAHASA INDONESIA MENGGUNAKAN METODE GRAVITASI DATA Dalam penulisan ini disajikan tahap-tahap pengklasifikasian emosi menggunakan metode Gravitasi Data, mulai dari proses text mining, weighting, weighted distance, dan Data Gravitation. Penulis menyadari masih terdapat banyak kekurangan dan keterbatasan dalam penulisan tugas akhir ini. Untuk itu, penulis sangat mengharapkan saran yang membangun agar tulisan ini dapat berguna untuk perkembangan ilmu pengetahuan kedepan. Malang, Januari 2015 Penulis Mufida Lutfiah Ulfa iv

7 DAFTAR ISI ABSTRAK... i ABSTRACT... ii LEMBAR PENGESAHAN... iii KATA PENGANTAR... iv DAFTAR ISI... v DAFTAR GAMBAR... vii DAFTAR TABEL... viii BAB I PENDAHULUAN... 1 Latar Belakang... 1 Rumusan Masalah... 2 Tujuan... 3 Batasan Masalah... 3 Metodologi... 3 Sistematika Penulisan... 5 BAB II LANDASAN TEORI... 6 Twitter... 6 Data Mining... 7 Manfaat Data Mining... 8 Teknik Data Mining... 9 Text Mining Data Gravitation Based Classification Hukum Gravitasi Data BAB III ANALISA DAN PERANCANGAN SISTEM Analisa Sistem Kebutuhan Sistem Kebutuhan Fungsional Kebutuhan Nonfungsional Desain Sistem Preprocessing Pembobotan v

8 Gravitasi Data Contoh kasus Desain Antarmuka BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM Implementasi Class-class yang digunakan Pengujian Sistem Pengujian Kebutuhan Fungsional Pengujian Non-Fungsional Pengujian Klasifikasi Data Hasil Pengujian BAB V KESIMPULAN DAN SARAN Kesimpulan Saran DAFTAR PUSTAKA vi

9 DAFTAR GAMBAR Gambar 1.1 Perancangan Sistem... 4 Gambar 2.1 Bidang Ilmu Data Mining(Luthfi 2009)... 8 Gambar 2.2 Clustering(Pramudiono 2003)... 9 Gambar 2.3 proses text mining(abdurrahman 2014) Gambar 3.1 Diagram Alur Sistem Gambar 3.2 Diagram alur preprocessing Gambar 3.3 Diagram alur pembobotan TF-IDF Gambar 3.4 Diagram Alur Gravitasi Data Gambar 3.5 Data contoh kasus Gambar 3.6 Hasil Case Folding Gambar 3.7 Hasil tokenizing Gambar 3.8 Hasil TF(term frequency) Gambar 3.9 Ruang Vektor Gambar 3.10 Hasil TF-IDF Gambar 3.11 Rancangan antarmuka Home Gambar 3.12 Rancangan antarmuka Preprocessing Gambar 3.13 Rancangan antarmuka Tweets Gambar 3.14 Rancangan antarmuka TF-IDF Gambar 3.15 Rancangan antarmuka Klasifikasi Gambar 4.1 class Koneksi Gambar 4.2 Source code class koneksi Gambar 4.3 Source code method token() Gambar 4.4 Source code method cekterm() Gambar 4.5 Source code method x() Gambar 4.6 Source code method tf() Gambar 4.7 Source code method idf() Gambar 4.8 Source code method tfidf() Gambar 4.9 Source code method ri() Gambar 4.10 Source code method dgc() Gambar 4.11 Source code method precision() Gambar 4.12 Source code recall Gambar 4.13 Source code method F-Measure Gambar 4.14 Pembagian Data set Gambar 4.15 Grafik hasil pengujian precision Gambar 4.16 Grafik hasil pengujian recall Gambar 4.17 Grafik hasil pengujian F-Measure Gambar 4.18 Grafik Hasil Pengujian Akurasi vii

10 DAFTAR TABEL Tabel 3.1 Kebutuhan Fungsional Tabel 3.2 Kebutuhan Nonfungsional Tabel 3.3 File index Tabel 3.4 IDF(inverse document frequency) Tabel 4.1 Pengujian Kebutuhan Fungsional Tabel 4.2 Pengujian Kebutuhan Non-Fungsional Tabel 4.3 Confusion Matrix Tabel 4.4 Hasil pengujiann precision, recall, dan F-measure sistem viii

11 DAFTAR PUSTAKA Abdurrahman KLASTERISASI BUKU BERBAHASA INDONESIA DENGAN MENGIMPLEMENTASIKAN METODE TEXT MINING DAN ALGORITMA ARTIFICIAL BEE COLONY K-MEANS. Cano, Alberto, Amelia Zafra, Sebastián Ventura, and Senior Member For Standard and Imbalanced Data Hidayat, Muhamad Arief. Klasifikasi Berbasis Gravitasi Data Dan Probabilitas Posterior Honeycutt, Courtenay, and Susan C Herring Beyond Microblogging : Conversation and Collaboration via Twitter Krisandi, Nobertus, Bayu Prihandono, and Naive Bayes ALGORITMA K - NEAREST NEIGHBOR DALAM KLASIFIKASI DATA HASIL PRODUKSI KELAPA SAWIT PADA PT. MINAMAS. 02(1): Kwak, Haewoon, Changhyun Lee, Hosung Park, and Sue Moon What Is Twitter, a Social Network or a News Media? Categories and Subject Descriptors Luthfi, Emha Taufiq dan Kusrini Algoritma Data Mining. In ed. Theresia Ari Prabawati. Yogyakarta: C.V Andi Offset. Mustafidah, Hidayatul, Moch Kautsar Sophan, and Yeni Kustiyah Ningsih RANCANG BANGUN E-DOCUMENT DI KANTOR PELAYANAN NAÏVE BAYES CLASSIFIER. 1: 1 9. Peng, Lizhi, and Yuehui Chen A Novel Classification Method Based on Data Gravitation Peng, Lizhi, Bo Yang, Yuehui Chen, and Ajith Abraham Data Gravitation Based Classification. Information Sciences 179(6): (March 28, 2014). Pramudiono, Iko Pengantar Data Mining : Menambang Permata Pengetahuan Di Gunung Data Purnama, Ketut Eddy Classification of Emotions in Indonesian TextsUsing K-NN Method. International Journal of Information and Electronics Engineering 2(6). (April 23, 2014). Widodo, Prabowo Pudjo Penerapan Data Mining Dengan Matlab. Bandung: Rekayasa Sains. 48