IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DALAM PENGKLASIFIKASIAN FOLLOWER TWITTER YANG MENGGUNAKAN BAHASA INDONESIA

  • Muhammad Rivki Universitas Komputer Indonesia
  • Adam Mukharil Bachtiar
DOI: https://doi.org/10.21609/jsi.v13i1.500
Keywords: K-Nearest Neighbor, Social Media Analytics, Text Mining, Twitter

Abstract

Di era digital ini strategi atau cara marketing telah berkembang, banyak pengusaha yang sedah memanfaatkan media sosial sebagai salah satu alat untuk melakukan strategi pemasaran dan salah satu media sosial yang digunakan adalah Twitter. Twitter digunakan sebagai media untuk memasarkan produk dalam marketing. Sayangnya Twitter tidak memberikan fitur untuk memudahkan penggunanya dalam melakukan promosi seperti memberikan informasi tentang waktu keaktifan follower serta mengkategorikan sesuai dengan ketertarikan dari follower. Oleh karena itu, agar dapat mengatasi permasalahan tersebut, dibutuhkan sebuah Twitter client yang dapat melakukan klasifikasi terhadap follower dari pengguna dan memudahkan cara promosi di Twitter. Salah satu cara untuk mengkategorikan ketertarikan dari user di Twitter adalah dengan menggunakan text mining. Algoritma K-Nearest Neighbor adalah salah satu algoritma yang bisa dimanfaatkan untuk implementasi pengklasifikasiannya. Pembangunan sistem Twikipedia dengan algoritma K-Nearest Neighbor mampu mengklasifikasikan follower dari pengguna dan memudahkan pengguna dalam melakukan promosi di Twitter dengan fitur yang tidak disediakan oleh Twitter.

Downloads

Download data is not yet available.
Published
2017-05-01
How to Cite
Rivki, M., & Bachtiar, A. M. (2017). IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR DALAM PENGKLASIFIKASIAN FOLLOWER TWITTER YANG MENGGUNAKAN BAHASA INDONESIA. Jurnal Sistem Informasi, 13(1), 31-37. https://doi.org/10.21609/jsi.v13i1.500
Issue
Vol. 13 No. 1 (2017): Jurnal Sistem Informasi (Journal of Information System)
Section
Articles

Copyright (c) 2017 Jurnal Sistem Informasi

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Authors who publish with this journal agree to the following terms:

  • Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  • Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  • Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).