Dokumen ini merangkum hasil analisis klastering terhadap tweet Pemilu 2019 menggunakan algoritma K-Means. Metode ini berhasil membentuk 9 klaster tweet dengan rataan anggota klaster dan tingkat keyakinan 93,8%. Topik utama setiap klaster teridentifikasi.

1. BAB I
PENDAHULUAN
BAB II
LANDASAN TEORI
BAB III
IMPLEMENTASI SISTEM
BAB IV
HASIL & PEMBAHASAN
BAB V
KESIMPULAN & SARAN
ANALISIS MEDIA SOSIAL TWITTER
MENGGUNAKAN KLASTERING
K-MEANS
15.01.55.0005
Myta Ayu Pratiwi
Program Studi Sistem Informasi
FAKULTAS TEKNOLOGI INFORMASI
UNIVERSITAS STIKUBANK (UNISBANK)
SEMARANG
2019
1

2. 2
BAB I BAB II BAB III BAB IV BAB V
LATAR BELAKANG
Kegiatan Pemilu 2019
Penerapan Text Mining
Algoritma Dengan Kinerja
Terbaik
41
Tweet tentang Jokowi Maruf
2 3

3. 3
RUMUSAN MASALAH
Bagaimana cara melakukan klastering terhadap tweet Pemilu
2019 dengan algoritma K-means ?
1
2
BAB I BAB II BAB III BAB IV BAB V
Apa yang menjadi topik pada setiap klaster?

4. TUJUAN PENELITIAN
Mengklasterkan data tweet dan menggunakan text mining dengan
algoritma K-Means dan menggelompokkan isu
yang popular pada saat itu.
MANFAAT PENELITIAN
Mengetahui berapa keberhasilan algoritma K-Means untuk
mengelompokan Pemilu yang diambil dari pengguna Twitter.
4
BAB I BAB II BAB III BAB IV BAB V

5. 1
2
Text Mining
Metode Klastering
LANDASAN TEORI
5
BAB I BAB II BAB III BAB IV BAB V
Text Pre Processing
K-Means
Case Folding
Tokenizing
Stopword Removal

6. 6
BAB I BAB II BAB III BAB IV BAB V
1.Memanggil Package 3.Memasukkan Data
2.Mengambil Data
4. Data Cleaning
IMPLEMENTASI SISTEM
(consumer_key,consum
er_secret, access_token,
access_secret)

7. BAB I BAB II BAB III BAB IV BAB V
5.Menghapus Stopword 7. Metode Silhoutte
6. Sebelum dan sesudah data cleaning
IMPLEMENTASI SISTEM
7

8. BAB I BAB II BAB III BAB IV BAB V
8. K-Means
IMPLEMENTASI SISTEM
8

9. 9
HASIL
BAB I BAB II BAB III BAB IV BAB V
Metode Silhoutte K-means

10. 9
HASIL
BAB I BAB II BAB III BAB IV BAB V
WordCloud K-means

11. KESIMPULAN
1
2
SARAN
Penerapan text mining ini mengunakan metode K-Means Clustering pada data tweet dan berhasil menghasilkan 9
klaster isu yang popular pada saat itu dengan jumlah anggota klaster 2,10,6,7,4,2,8,1,10 dan
dengan rata-rata klaster 9.5,29,62,31,120.75,32,30,34,33 serta memiliki tingkat keyakinan 93.8 %.
Berhasil mementukan topik di setiap klaster.
Diharapkan peneliti selanjutnya klastering dengan menggunakan metode yang lainnya.
Diharapkan dengan adaya penelitian ini, maka diharapkan peneliti selanjutnya dapat
membuat dengan klastering dengan bahasa pemograman lainnya.
BAB I BAB II BAB III BAB IV BAB V
15