Electronic Theses and Dissertation

Twitter merupakan salah satu microbloging populer di mana pengguna dapat membaca dan mengirim pesan teks dengan maksimal 140 karakter. indonesia merupakan negara kelima terbesar di dunia sebagai pengguna twitter paling aktif berdasarkan penelitian semiocast pada tahun 2012. banyaknya pengguna twitter di indonesia membuat tweet berbahasa indonesia berjumlah sangat besar. hal ini dapat dijadikan sebagai sumber data untuk memperoleh informasi. salah satu metode dalam teks mining yang dapat digunakan untuk mengolah data twitter adalah klasifikasi. metode klasifikasi yang digunakan dalam penelitian ini adalah k-nearest neighbors (k-nn) dan naïve bayesian. klasifikasi dilakukan dengan mengategorikan tweet menjadi 4 kelas yaitu bencana, kriminal, olahraga, dan lainnya. tweet yang diklasifikasikan hanyalah tweet yang terdapat hashtag aceh (#aceh) di dalamnya. data yang digunakan pada penelitian ini berjumlah 16.440 data twitter dan 10.000 data berita online. tahapan penelitian ini terdiri dari pengumpulan data, pembersihan data, pembuatan kamus n-gram, pembangkitan fitur, dan klasifikasi. kamus dibangun dari data twitter dan data berita. pengujian dilakukan menggunakan data twitter berlabel dan tidak berlabel. pada data tidak berlabel dilakukan proses prediksi sebelum dilakukan klasifikasi. hasil klasifikasi menunjukkan algoritma k-nn memiliki akurasi lebih baik dibandingkan algoritma naïve bayesian. nilai f-measure tertinggi yaitu 0,812 diperoleh pada pengujian dengan k = 7, sedangkan nilai roc tertinggi diperoleh pada k = 9 yaitu 0,736. dari segi waktu klasifikasi, algoritma naïve bayesian lebih unggul dibandingkan k-nn. kata kunci : twitter, klasifikasi, k-nn, naïve bayesian