Riela Meiva Annisa, 4611418016 (2022) ANALISIS KOMPARASI TF-IDF DAN TF-ABS PADA KLASIFIKASI KEPRIBADIAN BIG FIVE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE. Under Graduates thesis, Universitas Negeri Semarang.

PDF - Published Version Restricted to Repository staff only Download (5MB) | Request a copy

Abstract

Perkembangan teknologi yang semakin meningkat menyebabkan kebutuhan informasi yang didapat menjadi cepat dan akurat. Kebutuhan informasi yang didapat menyebabkan pengaruh dalam media social juga semakin meningkat pesat. Media social yang paling sering digunakan saat ini adalah Twitter. Twitter merupakan situs microblogging yang popular dan memiliki batas maksimal karakter yang ditulis adalah 140 karakter, ini disebut dengan “tweet”. Tweet dapat digunakan sebagai salah satu media untuk mengetahui kepribadian sesesorang. Kepribadian seseorang dapat diketahui melalui tes psikotes. Tes psikologi tersebut kebanyakan melalui tes tulis maupun tes wawancara, namun cara ini dapat memakan banyak waktu serta tempat. Sehingga salah satu teori kepribadian yang dapat menjelaskan dinamika kepribadian seseorang adalah The Big Five Personality. Dalam The Big Five Personality terdiri dari lima dimensi kepribadian yaitu Extraversion (E), Agreeableness (A), Conscientiousness (C), Neuroticism (N), dan Openness to New Experience (O). Dataset yang digunakan merupakan data sekunder yang telah digunakan pada penelitian terdahulu oleh Rinaldi Syafrianto (Yusra et al., 2018). Dataset yang diperoleh berasal dari API Twitter. Dataset yang digunakan kemudian dibagi menjadi data latih dan data uji dengan perbandingan 90:10. Dalam penelitian ini melihat komparasi pembobotan antara TF-IDF dan TF-ABS. TF-IDF melakukan pembobotan berdasarkan kata (term) yang ada pada setiap dokumen, sedangkan TF-ABS melakukan pembobotan berdasarkan dokumen yang ada. Dengan menggunakan algoritma klasifikasi yaitu Support Vector Machine (SVM). Algoritma yang digunakan merupakan Support Vector Machine non-linear, sehingga menggunakan kernel RBF, dimana dibutuhkan nilai parameter C =1 dan degree = 3. Akurasi yang dihasilkan oleh algoritma SVM dengan menerapkan pembobotan TF-IDF yaitu sebesar 88,67%, sedangkan akurasi yang dihasilkan dengan menerapkan pembobotan TF-ABS yaitu sebesar 73,33%. Hal ini menunjukkan bahwa algoritma SVM dengan pembobotan TF-IDF menghasilkan nilai akurasi yang lebih baik dibandingkan algoritma SVM dan pembobotan TF-ABS.

Actions (login required)

View Item