KLASTERISASI DAN GEOVISUALISASI TWEET DENGAN ALGORITMA K-MEANS UNTUK KASUS PENYEBARAN PENYAKIT MENULAR LANGSUNG (STUDI KASUS TUBERKULOSIS DAN DIARE)

AHMAD ALIF ROBIT AL HAZMI, 081511633038 (2019) KLASTERISASI DAN GEOVISUALISASI TWEET DENGAN ALGORITMA K-MEANS UNTUK KASUS PENYEBARAN PENYAKIT MENULAR LANGSUNG (STUDI KASUS TUBERKULOSIS DAN DIARE). Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img] Text
ST.SI.33-19 Alh k abstrak.pdf

Download (207kB)
[img] Text
ST.SI.33-19 Alh k daftar isi.pdf

Download (210kB)
[img] Text
ST.SI.33-19 Alh k daftar pustaka.pdf

Download (442kB)
[img] Text (FULLTEXT)
ST.SI.33-19 Alh k.pdf
Restricted to Registered users only until 15 October 2022.

Download (1MB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Berkembangnya media sosial mendorong munculnya situs microblogging seperti Twitter yang dapat berperan sebagai sistem sensor dengan menjadikan penggunanya sebagai sensor dan tweet yang memiliki informasi tentang suatu lokasi. Volume dan kecepatan tweet pada saat suatu kejadian berlangsung sangat tinggi sehingga masyarakat yang terdampak dan petugas profesional mengalami kesulitan dalam pemrosesan informasi. Pada penelitian ini dilakukan klasterisasi tweet dengan algoritma K-Means untuk kasus penyebaran penyakit menular langsung (studi kasus tuberkulosis dan diare). Penelitian ini menggunakan data teks dari media sosial Twitter dengan kata kunci tentang penyebaran penyakit menular langsung (studi kasus tuberkulosis dan diare). Data hasil klasterisasi divisualisasikan untuk menerapkan geovisualisasi tweet. Sebelum proses klasterisasi, dilakukan tahap praproses seperti tokenizing, normalisasi kata, penghapusan stopwords, dan stemming sehingga mengubah data tweet menjadi Term Document Matix (TDM). Proses geovisualisasi dilakukan menggunakan Plotly, sebuah tools analitik dan visualisasi data secara daring. Tahap klasterisasi dengan K-Means pada TDM memperoleh klaster terbaiknya pada klaster dengan jumlah term sebesar 20 dan nilai k sebesar 6 sehingga menghasilkan nilai Sum Squared Error sebesar 7.652,71 dan koefisien silhouette sekitar 0,41. Geovisualisasi dari hasil klasterisasi terkait penyebaran penyakit menular langsung (studi kasus tuberkulosis dan diare) menyebar hampir di seluruh Indonesia. Berdasarkan kemunculan term pada setiap klaster, term terkait diare tersebar pada semua klaster karena memiliki jumlah tweet yang lebih dominan dibandingkan dengan tweet terkait tuberkulosis.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK ST SI 33/19 Alh k
Uncontrolled Keywords: klasterisasi, tweet, geovisualisasi
Subjects: T Technology > T Technology (General) > T58.6-58.62 Management information systems
Divisions: 08. Fakultas Sains dan Teknologi > Sistem Informasi
Creators:
CreatorsEmail
AHMAD ALIF ROBIT AL HAZMI, 081511633038UNSPECIFIED
Contributors:
ContributionNameEmail
ContributorIra Puspitasari, S.T., M.T., Ph.D.,, NIDN:'0027108402UNSPECIFIED
Depositing User: Dwi Marina
Date Deposited: 15 Oct 2019 08:44
Last Modified: 15 Oct 2019 08:44
URI: http://repository.unair.ac.id/id/eprint/89153
Sosial Share:

Actions (login required)

View Item View Item