DIGITAL LIBRARY
JUDUL | : | PERBANDINGAN EKSTRAKSI FITUR PEMBOBOTAN SUPERVISED DAN UNSUPERVISED PADA KLASIFIKASI DATA TWEET GEJALA COVID MENGGUNAKAN METODE RANDOM FOREST | |
PENGARANG | : | SULASTRI NORINDAH SARI -1416 | |
PENERBIT | : | UNIVERSITAS LAMBUNG MANGKURAT | |
TANGGAL | : | 2022-09-05 |
Pada masa sekarang masyarakat sudah berani memberitahukan dirinya terpapar covid-19 melalui unggahan di media sosial. Twitter merupakan media yang banyak digunakan masyrarakat untuk bercerita yang sedang dialami dan termasuk menceritakan dirinya tertular virus SARS-Cov-2. Metode pembobotan kata unsupervised merupakan pembobotan yang tidak memperhatikan letak term di kelas positif atau negatif. Sehingga metode pembobotan ini kurang efektif dalam hasil pembobotan dan untuk pengklasifikasian. Maka dari itu, metode pembobotan ini dikembangkan menjadi pembobotan supervised, karena dalam perhitungannya metode ini membobotkan term dengan memperhatikan letak term di kelas positif atau negatif sehingga dalam proses klasifikasi hasilnya lebih bagus dibandingkan pembobotan supervised. Dari hasil penelitian dengan membandingkan metode pembobotan supervised Delta TF-IDF dan pembobotan unsupervised TF-IDF pada data tweet gejala covid dengan pengklasifikasian menggunakan metode Random Forest. Diperoleh hasil akurasi Random Forest dengan TF-IDF sebesar 89,8% dan Random Forest dengan Delta TF-IDF akurasi sebesar 90,4%
NO | DOWNLOAD LINK |
1 | FILE 1 |
File secara keseluruhan dapat di unduh DISINI