<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="8407">
 <titleInfo>
  <title>Sistem penentuan karakter dan kebiasaan pengguna media sosial menggunakan text mining (studi kasus:</title>
  <subTitle>twitter)</subTitle>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Yuni Shara</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <name type="Personal Name" authority="">
  <namePart>1255301068</namePart>
  <role>
   <roleTerm type="text">Additional Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">Pekanbaru</placeTerm>
   <publisher>Pustaka Politeknik Caltex Riau</publisher>
   <dateIssued>2016</dateIssued>
  </place>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent>Jumlah Halaman : 69 | Ukuran : 20x15</extent>
 </physicalDescription>
 <note>ABSTRAK&#13;
Laju perkembangan teknologi berbanding lurus dengan&#13;
kebutuhan manusia akan informasi. Media sosial merupakan salah&#13;
satu teknologi informasi yang memungkinkan pengguna mengakses&#13;
informasi yang tersebar di media sosial. Twitter merupakan salah&#13;
satu media sosial yang menyediakan fitur tweet yang dapat berisi&#13;
foto, video, URL dan teks hingga 140 karakter. Gaya berbahasa&#13;
dalam konten tweet dapat menjadi salah satu informasi untuk&#13;
mengidentifikasi karakter dan kebiasaan pengguna. Saat ini&#13;
informasi mengenai karakter dan kebiasaan pengguna sangat&#13;
dibutuhkan, baik untuk kepentingan pribadi maupun kelompok.&#13;
Untuk melakukan identifikasi tersebut, dibutuhkan pengetahuan&#13;
khusus dan waktu yang relatif lama karena jumlah tweet yang sangat&#13;
banyak. Melalui permasalahan tersebut, maka dibangun sistem yang&#13;
akan menentukan kepribadian dan kebiasaan pengguna secara&#13;
objektif berdasarkan tweet pengguna. Tweet akan diakuisisi dan&#13;
diproses menggunakan text mining. Proses klasifikasi akan dilakukan&#13;
menggunakan metode Naive Bayes Classifier. Teknik text mining&#13;
dan metode Naive Bayes Classifier berhasil diadaptasikan pada&#13;
sistem ini dalam menentukan karakter dan kebiasaan pengguna&#13;
Twitter. Sistem telah teruji secara fungsionalitas dan akurasi terbaik&#13;
yang dihasilkan dengan menggunakan 50 data tweet sebesar 90%.&#13;
Kata Kunci: Media Sosial, Twitter, Tweet, Text Mining, Naive&#13;
Bayes Classifier</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>PA Teknik Informatika</topic>
 </subject>
 <classification>PA TI</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Politeknik Caltex Riau Politeknik Caltex Riau</physicalLocation>
  <shelfLocator>PA TI</shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">PA1255301068</numerationAndChronology>
    <sublocation>Perpustakaan PCR (Rak R)</sublocation>
    <shelfLocator></shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals/>
 <recordInfo>
  <recordIdentifier>8407</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2019-03-21 00:00:00</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2021-07-06 14:22:04</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>