ANALISIS PROFIL PENGGUNA MEDIA SOSIAL BERBAHASA INDONESIA BERDASARKAN FRAMEWORK DISC DAN OCEAN MENGGUNAKAN SUPPORT VECTOR MACHINE

Asgar, Muhammad Ryandy Ghonim (2024) ANALISIS PROFIL PENGGUNA MEDIA SOSIAL BERBAHASA INDONESIA BERDASARKAN FRAMEWORK DISC DAN OCEAN MENGGUNAKAN SUPPORT VECTOR MACHINE. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.51.2108 Muhammad Ryandy Ghonim Asgar.pdf Download (3MB)

Abstract

Pemanfaatan data di sosial media Twitter untuk kepentingan penelitian telah banyak dilakukankarena adanya keterbukaan data yang disediakan dan berisi konten personal dan sosial dari pengguna yang dapat digunakan untuk melihat kebutuhan dan komentar atau emosi yang sedang dirasakan pengguna secara realtime. Salah satunya adalah dapat digunakan untuk mengenali ciri-ciri kepribadian seseorang berdasarkan tweet yang telah mereka unggah di Twitter. Kepribadian seseorang dapat diklasifikasikan kedalam kedua framework yaitu DISC atau OCEAN. Penelitian ini akan mengadopsi kedua framework tersebut untuk selanjutnya memanfaatkan metode Support Vector Machine untuk proses klasifikasi Penelitian ini memiliki empat skenario untuk mendapatkan hasil yang optimal. Skenario pertama, penelitian dilakukan dengan memilih tahapan preprocessing yang tepat dengan memilih untuk menggunakan stopword removal atau tidak. Skenario kedua dilakukan dengan membagi dataset menjadi 4 bagian, yaitu 90:10, 80:20, 70:30, dan 60:40. Skenario ketiga dilakukan dengan memilih feature extraction yang meiliputi TF-IDF, WF-IDF dan Ngram. Terakhir dilakukan pemilihan kernel pada SVM, yaitu linear, rbf, sigmoid dan polinomial. Hasil akhir penelitian ini menunjukkan bahwa SVM memiliki performa yang cukup baik dalam melakukan klasifikasi kepribadian menggunakan framework DISC dan OCEAN. Pada frameowrk DISC diperoleh akurasi 56%, presisi 63%, recall 36%, dan F1Score 34% dengan preprocessing data tanpa stopword removal, pembagian dataset dengan rasio 70:30, feature extraction ngram, dan kernel SVM linear. Sedangkan pada dataset OCEAN diperoleh akurasi 67%, presisi 73%, recall 53%, dan F1Score 56% dengan preprocessing data tanpa stopword removal, pembagian dataset dengan rasio 60:40, feature extraction ngram, dan kernel SVM linear

Actions (login required)

View Item