Ekstrover atau Introver : Klasifikasi Kepribadian Pengguna Twitter  dengan Menggunakan Metode Support Vector Machine

Fikry, Muhammad

doi:10.24014/sitekin.v16i1.5326

Cited by 7 publications

(5 citation statements)

References 7 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Penelitian sebelumnya berhasil mendapatkan akurasi sebesar 88% menggunakan data primer melalui kuesioner dan model SVM untuk memprediksi kepribadian introvert dan extrovert [8]. Penelitian lain yang dilakukan oleh M. N. Sahono et al juga melakukan prediksi kepribadian introvert dan extrovert menggunakan SVM dengan dataset publik dari Kaggle menghasilkan akurasi sebesar 84.07% dan dapat meningkatkan akurasi dari penelitian sebelumnya [7].…”

Section: A Pendahuluanunclassified

Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019

Nanira Annisa Fitri,

Taufik Edy Sutanto,

Muhaza Liebenlito

2023

ijcs

View full text Add to dashboard Cite

Kepribadian adalah perilaku serta pemikiran seseorang yang dapat mempengaruhi orang lain dalam berinteraksi di berbagai situasi. Satu macam tes kepribadian yang populer adalah Myers-Briggs Type Indicator (MBTI) yang mengklasifikasikan kepribadian seseorang berdasarkan empat dimensi yaitu Introvert-Extrovert, Sensing-Intuitive, Thinking-Feeling, serta Judging-Perceiving. Sebagian besar penelitian sebelumnya mengenai prediksi MBTI yang telah dilakukan menggunakan dataset berbahasa Inggris. Penelitian ini melakukan analisa prediksi MBTI pengguna twitter dengan menggunakan data latih bahasa Indonesia yang berasal dari terjemahan model kecerdasan buatan. Empat model klasifikasi seperti Random Forest, Support Vector Machine (SVM), Logistic Regression, dan Bernoulli Naive Bayes digunakan untuk menganalisis efektivitas prediksi MBTI pada data yang digunakan. Hasil eksperimen menunjukkan bahwa model klasifikasi SVM menghasilkan akurasi tertinggi yaitu 90% untuk I-E, 93% untuk N-S, 88% untuk T-F, dan 84% untuk J-P. Model yang diajukan memiliki potensi untuk menjadi solusi untuk memprediksi MBTI secara cepat dan baik pada data yang besar dalam bahasa Indonesia.

show abstract

Section: A Pendahuluanunclassified

Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019

Nanira Annisa Fitri,

Taufik Edy Sutanto,

Muhaza Liebenlito

2023

ijcs

View full text Add to dashboard Cite

show abstract

“…Klasifikasi penyakit daun kentang berdasarkan fitur tekstur dan fitur warna mendapat nilai akurasi 80% (Fikry, 2018). Klasifikasi data akreditasi sekolah dasar di kabupaten magelang mendapat nilai akurasi 93,902% (Octaviani, Wilandari, & Ispriyanti, 2014).…”

Section: Pendahuluanunclassified

“…Klasifikasi data akreditasi sekolah dasar di kabupaten magelang mendapat nilai akurasi 93,902% (Octaviani, Wilandari, & Ispriyanti, 2014). Klasifikasi Kepribadian Pengguna Twitter, untuk mengklasifikasi kepribadian ekstrover dan introver dengan akurasi sebesar 88,89% (Fikry, 2018). Klasifikasi Data Malaria mendapatkan skor akurasi sebesar 92,3% (Ramadhan & Khoirunnisa, 2021).…”

Section: Pendahuluanunclassified

Klasifikasi Video Pada Media Sosial Youtube Dengan Menggunakan Metode K-Means Dan Support Vector Machine

Krisdianto Sitanggang,

Rakhmat Umbara,

Ashaury

2023

Locus

View full text Add to dashboard Cite

Dalam era digital dan sosial media, platform seperti YouTube telah menjadi salah satu sumber utama video konten. Meningkatnya jumlah video di YouTube memunculkan kebutuhan untuk mengklasifikasikan video-video ini, baik untuk tujuan manajemen konten, rekomendasi, atau penegakan hukum. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan metode klasifikasi video yang efektif berdasarkan kontennya. Tujuan dari penelitian ini Mengembangkan sistem klasifikasi video yang dapat mengidentifikasi dan mengkategorikan video di platform media sosial YouTube. Mengimplementasikan metode k-Means dan Support Vector Machine (SVM) sebagai alat utama dalam proses klasifikasi. Meningkatkan akurasi dalam mengklasifikasikan video berdasarkan fitur-fitur kontennya. Meningkatkan pemahaman tentang penggunaan teknik Machine Learning dalam mengelola konten video di platform media sosial. Penelitian ini menggunakan metode k-Means untuk mengelompokkan video berdasarkan kesamaan fitur-fitur kontennya. Selanjutnya, Support Vector Machine (SVM) digunakan untuk melakukan klasifikasi berdasarkan hasil kelompok dari k-Means. Data yang digunakan dalam penelitian ini terdiri dari dataset video dari YouTube, dan fitur-fitur ekstrak yang relevan seperti tag, deskripsi, dan pemrosesan gambar. Proses eksperimen dan pengujian dilakukan untuk mengukur akurasi klasifikasi. Hasil penelitian ini menunjukkan bahwa kombinasi metode k-Means dan SVM dapat digunakan untuk mengklasifikasikan video pada platform media sosial YouTube dengan tingkat akurasi yang baik. Dengan menggunakan fitur-fitur konten yang relevan, sistem ini mampu mengenali kategori video dengan baik, yang bermanfaat untuk manajemen konten, analisis, dan rekomendasi. Kesimpulan dari penelitian ini Dalam era digital yang dipenuhi dengan konten video, penelitian ini menawarkan pendekatan yang efektif dalam mengklasifikasikan video di platform media sosial YouTube. Metode k-Means dan SVM berhasil digunakan untuk mengelompokkan dan mengklasifikasikan video dengan akurasi yang baik.

show abstract

“…Relatively similar work has been done by Fikry [9] for the classification of extroverted and introverted characters that use feature extraction from posts on Twitter. Extraction of the feature is the number of tweets, URL, hashtag, retweet, liked, mention, follow, active ratio, mention without retweet, reply, word on profile, average word per tweet, tweet character, emoticon/emoji, and media.…”

Section: Previous Workmentioning

confidence: 99%

Word Analysis of Indonesian Keirsey Temperament

Iskandar¹,

Utami²,

Prasetio³

2020

Indonesian J. Comput. Cybern. Syst.

View full text Add to dashboard Cite

Personality uniquely relates to our feeling and pattern to the aspect of actions. This behavior will change through the experience, formal education, and the surrounding environment. This works based on the Keirsey Temperament Sorter, a personality questionnaire developed by David Keirsey. This model divides the personality into four categories as Idealists, Rationals, Guardians, and Artisans. This concept is commonly recognized for the interpretation of specialist trends, potentially contributes to the process of recruitment or selection, and potential fields for analysis of social media data. Words selected by using Chi-Square with an error of 5%. Accuracy of the lexicon approach is 34%, while the best machine learning approach is Random Forest algorithm with 69.59%

show abstract

Ekstrover atau Introver : Klasifikasi Kepribadian Pengguna Twitter dengan Menggunakan Metode Support Vector Machine

Cited by 7 publications

References 7 publications

Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019

Deteksi Kepribadian MBTI pada Diskusi Agama Islam di Twitter Indonesia 2009-2019

Klasifikasi Video Pada Media Sosial Youtube Dengan Menggunakan Metode K-Means Dan Support Vector Machine

Word Analysis of Indonesian Keirsey Temperament

Contact Info

Product

Resources

About