Penerapan Metode K-Means Clustering Dalam Menganalisis Sentimen Masyarakat Terhadap K-Popers Pada Twitter

Larasati, Miranti Alysha Zulia; Winarsih, Nurul Anisa Sri; Rohman, Muhammad Syaifur; Saraswati, Galuh Wilujeng

doi:10.35889/progresif.v18i2.877

Cited by 4 publications

(4 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Di samping itu, [4] melibatkan analisis sentimen masyarakat terhadap K-Popers di Twitter dengan menggunakan metode clustering K-Means. Hasil penelitian ini memberikan gambaran yang signifikan untuk memecahkan masalah dalam pengelompokan data, khususnya dalam mengidentifikasi kecenderungan opini masyarakat terhadap K-Pop, apakah termasuk dalam sentimen positif, negatif, atau netral.…”

Section: Pendahuluanunclassified

Optimasi Analisis Clustering Untuk Aktivitas Dan Respon Pengguna Media Sosial Dengan K-Means

Nur Afrilia,

Rahaningsih,

Danar Dana

et al. 2024

jati

View full text Add to dashboard Cite

Media sosial sebagai platform utama interaksi dan aktivitas online memiliki peran sentral dalam membentuk pola perilaku pengguna. Analisis clustering aktivitas dan respons pengguna di media sosial menjadi penting untuk pengembangan strategi pemasaran dan manajemen platform yang efektif. Dalam lingkungan yang semakin kompleks ini, diperlukan pendekatan analisis yang sistematis. Penelitian ini bertujuan mendalami perilaku pengguna media sosial melalui algoritma K-Means dan Davies Bouldin Index (DBI) untuk mengoptimalkan jumlah cluster, sehingga memperkaya pemahaman pola aktivitas dan respons pengguna. Dengan menggunakan RapidMiner, penelitian berhasil mengidentifikasi tiga cluster optimal, dengan Cluster 1 menonjol sebagai yang paling dominan, diisi oleh pengguna yang menunjukkan tingkat aktivitas dan respons lebih tinggi dibandingkan kelompok lainnya. Temuan ini dapat memberikan panduan berharga bagi pengembangan strategi media sosial yang lebih tepat sasaran.

show abstract

Section: Pendahuluanunclassified

Optimasi Analisis Clustering Untuk Aktivitas Dan Respon Pengguna Media Sosial Dengan K-Means

Nur Afrilia,

Rahaningsih,

Danar Dana

et al. 2024

jati

View full text Add to dashboard Cite

show abstract

“…Algoritma K-Means adalah algoritma iterative yang mencoba membagi kumpulan data menjadi k yang telah ditentukan sebelumnya, sehingga kumpulan datanya tidak tumpang tindih. K-Means merupakan sebuah algoritma clustering pada data mining untuk dapat menghasilkan kelompok dari data yang jumlahnya banyak dengan metode partisi yang berbasis titik dengan waktu komputasi yang cepat dan efisien [8]…”

Section: K-meansunclassified

Pengelompokkan Lagu Tradisional Di Media Sosial Tiktok Menggunakan Algoritma K-Means

Kusmawanti,

Suarna,

Prihartono

2024

jati

View full text Add to dashboard Cite

Dengan adanya kemajuan ilmu pengetahuan dan teknologi modern yang semua bisa dilakukan secara instan dan praktis, serba mekanik dan otomatis sehingga membuat banyak perubahan zaman menjadi modern. Media sosial Tiktok merupakan salah satu aplikasi yang baru diluncurkan beberapa tahun terakhir ini dan telah menarik perhatian besar dari semua kalangan baik yang muda, orangtua, lansia. Permasalahan yang terjadi saat ini menurunnya minat terhadap lagu tradisional dikalangan masyarakat. Pada penelitian ini dilakukan pembahasan tentang clustering pada data kuesioner dengan menganalisis lagu tradisional jawa barat sunda dengan media sosial tiktok menggunakan algoritma K-means.. Metode ini menggunakan KDD (Knowledge Discovery in Database) dan software yang digunakan adalah Rapidminer. Data ini dikumpulkan menggunakan kuesioner dengan jumlah data yang dikumpulkan sebanyak 258 data. Hasil proses Clustering dengan K=2 Nilai Davies-Bouldin Index sebesar 0.036, menandakan bahwa hasil klaster dengan jumlah K=2 menunjukkan performa yang optimal jika dibandingkan dengan percobaan lainnya. Dalam penelitian ini yang didapatkan ada 2 cluster yaitu cluster 0 dengan jumlah 103 items yaitu jumlah yang menyukai lagu tradisional, dan cluster 1 dengan jumlah 147 items yaitu jumlah yang kurang menyukai lagu tradisional jawa barat sunda, hasil ini dikekolalah dengan software yang digunakan adalah Rapidminer dengan menggunakan atribut domisili.

show abstract

“…Proses perhitungan ini dilakukan dengan memakai python. Dari setiap cluster yang di iterasikan nilai silhouette coefficient semakin bertambah menuju angka 1, itu membuktikan bahwa hasil clustering menggunakan algoritma k-means memiliki hasil sususnan yang kuat [10].…”

Section: E Silhouette Coefficientunclassified

Implementasi Algoritma K-Means Terhadap Opini Masyarakat Mengenai Perkiraan Pemilu 2024 Pada Twitter

Andrianus,

Wasino,

Sutrisno

2023

Simtek: j. sist. inf. dan Teknik kompʹût.

View full text Add to dashboard Cite

Dengan adanya pemilihan umum rakyat dapat ikut berperan serta dalam memilih pemimpin. Banyak dari masyarakat yang beropini mengenai pemilihan umum melalui media sosial, terutama twitter. Dalam hal ini bisa dilakukan penelitian yang membahas mengenai opini masyarakat pada pemilihan umum. penelitian ini menggunakan algoritma k-means clustering dengan metode pengujian silhouette coefficient. Data yang diperoleh sebanyak 1000 data. Berdasarkan hasil perhitungan bahwa sentimen positif memiliki nilai 4.30%, netral 92.50% dan negatif 3.20% Dengan tingkat akurasi menggunakan metode Silhouette sebesar 0.9812638% yang memiliki hasil struktur yang kuat.

show abstract

Penerapan Metode K-Means Clustering Dalam Menganalisis Sentimen Masyarakat Terhadap K-Popers Pada Twitter

Cited by 4 publications

References 0 publications

Optimasi Analisis Clustering Untuk Aktivitas Dan Respon Pengguna Media Sosial Dengan K-Means

Optimasi Analisis Clustering Untuk Aktivitas Dan Respon Pengguna Media Sosial Dengan K-Means

Pengelompokkan Lagu Tradisional Di Media Sosial Tiktok Menggunakan Algoritma K-Means

Implementasi Algoritma K-Means Terhadap Opini Masyarakat Mengenai Perkiraan Pemilu 2024 Pada Twitter

Contact Info

Product

Resources

About