Implementasi Text Mining Dalam Pengelompokan Data Tweet Pertanian Indonesia Dengan K-Means

Abstract

Pertanian 4.0 merupakan suatu gebrakan dimana konsumen lebih dekat pada petani atau para perusahaan pertanian. Salah satu bentuk pertanian 4.0 ini adalah pertanian digital agar setiap kegiatan pertanian dapat terekam, menghasilkan data dan informasi terhadap bentuk dukungan untuk aktivitas pertanian di Indonesia. Pada penelitian ini menerapkan text mining pada data tweet agar dapat mengelompokkan data tersebut dengan menggunakan Algoritma K-Means. Dalam implementasi peneletian ini dibantu dengan menggunakan 2 tools, yakni orange tools untuk melakukan text processing dan Rapidminer untuk melakukan pengolahan algoritma KMeans. Hasil dari penerapan algortima K-Means terdapat 5 klaster, yaitu Pangan, Produksi, Lahan, Ekspor dan Teknologi. Dari 5 (lima) klaster tersebut kemudian menggunakan operator % performance pada rapidminer untuk mendapatkan rata-rata akurasi terhadap klaster tersebut adalah 0.344%. maka hasil dari penelitian ini terdapat 2 klaster yang nilainya tinggi yaitu kluster 0 Pangan dengan nilai 0.528% dan kluster 2 Produksi dengan nilai 0.523% dan untuk kluster yang nilai paling rendah adalah klaster 3 tentang ekspor dengan nilai 0.123% dengan hasil tersbut artinya implementasi text mining dapat dilakukan pada tools rapidminer.

Penerapan Algoritma Fp-Growt Dan Association Rules Pada Pola Pembelian Pizza Hut

“…Sayangnya, data transaksi penjualan hanya diarsipkan tanpa dimanfaatkan secara optimal, padahal kumpulan data ini mengandung informasi yang sangat berharga. [5] Persediaan ikan pada gudang, selain itu masih belum adanya model perhitungan untuk menentukan belanja persediaan ikan yang paling diminati oleh konsumen [6] Paper yang membahas Penerapan Data Mining dengan Algoritma Apriori untuk Analisis Pola Pembelian Konsumen di Violet Vape Store menyoroti pentingnya Data Mining sebagai proses mendapatkan informasi bernilai dari gudang basis data yang merupakan sumber pengetahuan. penelitian ini melakukan analisa data dengan menggunakan data mining dan metode algoritma appriori.…”

“…Gambar 1. metode KDD Penelitian yang dilakukan Hutapea [5] memberikan hasil Algoritma Aprioridengan angka kepercayaan yang tinggi dapat memprediksi permintaan mata kuliahdi Universitas Advent Indonesia, serta pada penelitian Amir Setiawan [6] dalam menemukan Pola Pembelian konsumen dengan menerapan algoritma FP-Growth memberikan hasilkurang kuat dalam menemukan pasangan asosiasi daridata yang besar dan variatif.Maka penelitian ini akan menerapkan data mining dengan menggunakan Algoritma Aprioriyang dikenal sebagai aturan asosiasi atau Association Rule.…”

Pemetaan Topik Pembicaraan Pada Komentar Live Youtube Menggunakan K-Means Clustering sebagai Identifikasi awal Kejahatan Verbal Cyberbullying

“…Penelitian dengan textmining untuk menganalisis pengaruh sebuah hastag di media sosial [9]. Textminig juga digunakan untuk pengelompokkan topik menggunakan algoritma clustering [10], pengelompokkan data dapat menjadi kontribusi dalam mengetahui topik [11]. Algoritma clustering dapat dikombinasikan dengan cosine similarity [12], maupun TF-IDF [13].…”

Implementation of Clustering on Tweet Uploading Side Effects of Covid-19 Post Vaccination Using K-Means Algorithm

“…Berdasarkan penerapan metode dan data tweet yang telah dikelompokkan, diperoleh suatu ciri bahwasanya cluster 0 memuat tweet yang menyatakan efek vaksinasi secara jelas atau eksplisit, sedangkan cluster 1 menyatakan efek vaksinasi yang timbul secara implisit. Terdapat penelitian terkait yang menggunakan metode clustering terhadap suatu data tertentu, dalam [4] penelitian tersebut mengakuisisi data tekstual dan dilakukan secara real time dari media sosial Twitter dan diperoleh hasil perhitungan menggunakan silhouette coefficient diketahui 21 cluster memiliki nilai positif, 3 cluster memiliki nilai 0, dan 4 cluster memiliki nilai negative dan pada penelitian berikut [5] didapatkan hasil penerapan algoritma k-means diperoleh 5 cluster yaitu pangan, produksi, lahan, ekspor dan teknologi. Terdapat pula penelitian [6] yang menyimpulkan bahwasanya dengan penerapan k-means clustering terbentuk suatu cluster tweet mengenai konten aktivitas perbelanjaan, penawaran mall, event, serta penawaran produk tertentu.…”