Peringkasan Tweet Berdasarkan Trending Topic Twitter Dengan Pembobotan TF-IDF dan Single Linkage AngglomerativeHierarchical Clustering

Main Authors: Annisa, Annisa, Munarko, Yuda, Azhar, Yufis
Other Authors: Teknik Informatika Universitas Muhammadiyah Malang
Format: Article info application/pdf eJournal
Bahasa: eng
Terbitan: Universitas Muhammadiyah Malang , 2016
Subjects:
Online Access: http://kinetik.umm.ac.id/index.php/kinetik/article/view/7
http://kinetik.umm.ac.id/index.php/kinetik/article/view/7/pdf
ctrlnum article-7
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><title lang="en-US">Peringkasan Tweet Berdasarkan Trending Topic Twitter Dengan Pembobotan TF-IDF dan Single Linkage AngglomerativeHierarchical Clustering</title><creator>Annisa, Annisa</creator><creator>Munarko, Yuda</creator><creator>Azhar, Yufis</creator><subject lang="en-US">Information Retrieval</subject><subject lang="en-US">Text Summarization, TF-IDF, Single Linkage Agglomerative Hierarchical Clustering</subject><description lang="en-US">Fitur yang paling sering digunakan pada Twitter ialah Trending Topic. Trending Topic merupakan fitur yang menampilkan beberapa hashtag berisi topik yang sedang trend saat ini. Jika pengguna ingin mengetahui informasi mengenai suatu trending topic, pengguna bisa mengklik salah satu hashtag dan barulah muncul beberapa tweet terkait dengan hashtag tersebut. Agar menghemat waktu pengguna Twitter dalam membaca suatu trending topic tanpa perlu membaca beberapa tweet terlebih dahulu, maka dilakukanlah analisa dengan tujuan membuat text summarization untuk trending topic pada Twitter menggunakan algoritma TF-IDF dan Single Linkage Agglomerative Hierarchical Clustering. Penelitian ini menggunakan 100 trending topic untuk data tes pada sistem dan setiap trending topic terdiri atas 50 tweet berbahasa indonesia, sedangkan untuk pengujian digunakan 30 data trending topic diambil secara acak (data mewakili trending topic dengan sub tema minimal 2 dan maksimal 9 dari 100 data tes pada sistem). Dari 30 data pengujian, 1 data menghasilkan semua ringkasan sama persis dengan ahli,&#xA0; dan 29 data menghasilkan 1-4&#xA0; ringkasan sama persis dengan ahli (terdiri atas 2-9 ringkasan untuk setiap trending topic).</description><publisher lang="en-US">Universitas Muhammadiyah Malang</publisher><contributor lang="en-US">Teknik Informatika Universitas Muhammadiyah Malang</contributor><date>2016-10-10</date><type>Journal:Article</type><type>Other:info:eu-repo/semantics/publishedVersion</type><type>Other:</type><type>File:application/pdf</type><identifier>http://kinetik.umm.ac.id/index.php/kinetik/article/view/7</identifier><identifier>10.22219/kinetik.v1i1.7</identifier><source lang="en-US">Kinetik; Vol 1, No 1, May-2016; 9-16</source><source>2503-2267</source><source>2503-2259</source><source>10.22219/kinetik.v1i1</source><language>eng</language><relation>http://kinetik.umm.ac.id/index.php/kinetik/article/view/7/pdf</relation><rights lang="en-US">Copyright (c) 2016 KINETIK</rights><rights lang="en-US">http://creativecommons.org/licenses/by-nc/4.0</rights><recordID>article-7</recordID></dc>
language eng
format Journal:Article
Journal
Other:info:eu-repo/semantics/publishedVersion
Other
Other:
File:application/pdf
File
Journal:eJournal
author Annisa, Annisa
Munarko, Yuda
Azhar, Yufis
author2 Teknik Informatika Universitas Muhammadiyah Malang
title Peringkasan Tweet Berdasarkan Trending Topic Twitter Dengan Pembobotan TF-IDF dan Single Linkage AngglomerativeHierarchical Clustering
publisher Universitas Muhammadiyah Malang
publishDate 2016
topic Information Retrieval
Text Summarization
TF-IDF
Single Linkage Agglomerative Hierarchical Clustering
url http://kinetik.umm.ac.id/index.php/kinetik/article/view/7
http://kinetik.umm.ac.id/index.php/kinetik/article/view/7/pdf
contents Fitur yang paling sering digunakan pada Twitter ialah Trending Topic. Trending Topic merupakan fitur yang menampilkan beberapa hashtag berisi topik yang sedang trend saat ini. Jika pengguna ingin mengetahui informasi mengenai suatu trending topic, pengguna bisa mengklik salah satu hashtag dan barulah muncul beberapa tweet terkait dengan hashtag tersebut. Agar menghemat waktu pengguna Twitter dalam membaca suatu trending topic tanpa perlu membaca beberapa tweet terlebih dahulu, maka dilakukanlah analisa dengan tujuan membuat text summarization untuk trending topic pada Twitter menggunakan algoritma TF-IDF dan Single Linkage Agglomerative Hierarchical Clustering. Penelitian ini menggunakan 100 trending topic untuk data tes pada sistem dan setiap trending topic terdiri atas 50 tweet berbahasa indonesia, sedangkan untuk pengujian digunakan 30 data trending topic diambil secara acak (data mewakili trending topic dengan sub tema minimal 2 dan maksimal 9 dari 100 data tes pada sistem). Dari 30 data pengujian, 1 data menghasilkan semua ringkasan sama persis dengan ahli, dan 29 data menghasilkan 1-4 ringkasan sama persis dengan ahli (terdiri atas 2-9 ringkasan untuk setiap trending topic).
id IOS3660.article-7
institution Universitas Muhammadiyah Malang
institution_id 136
institution_type library:university
library
library Perpustakaan Universitas Muhammadiyah Malang
library_id 546
collection Kinetik Game Technology, Information System, Computer Network, Computing, Electronics, and Control
repository_id 3660
subject_area Data Processing, Computer Science/Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Electronics/Teknik Elektronika
city MALANG
province JAWA TIMUR
repoId IOS3660
first_indexed 2016-11-29T10:41:11Z
last_indexed 2018-05-10T00:46:14Z
recordtype dc
_version_ 1607604756546584576
score 16.550642