The effect of the TF-IDF algorithm in times series in forecasting word on social media

Abstract

Forecasting is one of the main topics in data mining or machine learning in which forecasting, a group of data used, has a label class or target. Thus, many algorithms for solving forecasting problems are categorized as supervised learning with the aim of conducting training. In this case, the things that were supervised were the label or target data playing a role as a 'supervisor' who supervise the training process in achieving a certain level of accuracy or precision. Time series is a method that is generally used to forecast based on time and can forecast words in social media. In this study had conducted the word forecasting on twitter with 1734 tweets which were interpreted as weighted documents using the TF-IDF algorithm with a frequency that often comes out in tweets so the TF-IDF value is getting smaller and vice versa. After getting the word weight value of the tweets, a time series forecast was performed with the test data of 1734 tweets that the results referred to 1203 categories of Slack words and 531 verb tweets as training data resulting in good accuracy. The division of word forecasting was classified into two groups i.e. inactive users and active users. The results obtained were processed with a MAPE calculation process of 50% for inactive users and 0.1980198% for active users.

Implementasi Algoritma K-Means Untuk Clustering Judul Skripsi Universitas Harapan Medan

“…Agar informasi dan pengetahuan tersebut dapat terstruktur, salah satu proses yang dibutuhkan adalah document clustering. Clustering merupakan proses analisa informasi yang mana kerap digunakan sebagai salah satu proses untuk Data Mining yang bertujuan untuk mengumpulkan informasi yang memiliki karakter yang sama pada satu kawasan yang sama dan informasi yang memiliki karakter yang berbeda ke kawasan lain [7] Sampai sekarang ini, sudah ada beberapa penelitian yang telah dilakukan oleh peneliti-peneliti sebelumnya mengenai text Clustering menggunakan metode yang sama. Adapun penelitian yang dilakukan oleh [13] mendapatkan sebuah kesimpulan bahwa Penerapan algoritma K-Means dalam Clustering nilai ujian nasional dapat diterapkan [14].…”

Sistem Informasi Pemasaran Kuliner Delitua Berbasis Web Menggunakan Metode Extream Programming

“…Perkembangan teknologi yang sangat pesat di era globalisasi saat ini telah memberikan banyak manfaat dalam kemajuan diberbagai aspek sosial salah satunya perkembangan UMKM yang semakin pesat di berbagai daerah di Indonesia [1][2] [3] . Tidak bisa dipungkiri, keberadaan UMKM mampu memberikan banyak kesempatan kepada para pengangguran untuk dapat berkarya dan menghasilkan sesuatu yang akhirnya dapat memenuhi kebutuhan hidup mereka [4][5] [6], tingginya motivasi masyarakat didaerah untuk memiliki usaha sendiri merupakan hal yang patut dibanggakan, masyarakat semakin menyadari bahwa betapa minimnya pekerjaan formal yang disediakan bagi mereka sehingga menuntut adanya kemauan untuk menciptakan laparan perkerjaan sendiri dan akhirnya mampu membuka lowongan pekerjaan [7] [8]. Perkembangan UMKM pada wilayah Deli Tua saat ini terkesan lambat.…”

Aplikasi Absensi Menggunakan Qr Code

“…Mudah digunakan dan dapat dipasang di mana saja, sehingga orang-orang tidak membuang waktu untuk absensi secara manual [7] [8]. Pada umumumnya proses belajar mahasiswa akan dilakukan absensi setiap hari dengan bertujuan untuk mengetahui apakah mahasiswa tersbut dapat mengikuti proses pembelajaranan atau adanya suatu halangan sehingga mahasiswa tidak dapat mengikuti proses kegiatan belajaran di universitas [9][10] [11]. Universitas Harapan Medan yang masih menggunakan cara manual dalam melakukan absensi yang kemudian akan menemui beberapa kendala diantaranya mudah rusak seperti data absensi sering kehilangan, sulitnya dalam pencarian data absensi mahasiswa serta lambatnya waktu dalam pengolahan data absensi mahasiswa maka di anggap masih banyak sistem informasi yang belum diterapkan salah satunya adalah sistem informasi absensi untuk mahasiswa.…”