PENERAPAN TEXT MINING MENGGUNAKAN ALGORITMA K-MEANS UNTUK CLUSTERING TWEETS TOKOPEDIA
No Thumbnail Available
Date
2019-07-12
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Abstract
Pada era digital saat ini, masyarakat lebih cenderung berbelanja secara online. Karena itu saat ini juga sudah banyak bermunculan perusahaan e-commerce yang dapat memenuhi berbagai kebutuhan masyarakat dalam berbelanja. Masing-masing perusahaan tentu memiliki strategi dalam menarik konsumen untuk berbelanja di tempat mereka. Salah satu media yang biasa digunakan untuk menarik konsumen adalah media sosial.
Tokopedia merupakan salah satu marketplace yang terbesar di Indonesia dan juga aktif menggunakan media sosial Twitter. Maka dari itu Tokopedia perlu memperhatikan konten tweet apa yang menarik untuk dipublikasikan. Dengan penerapan Text Mining menggunakan algoritma K-Means Clustering dapat diketahui jenis konten tweet yang paling menarik bagi konsumen Tokopedia. Pada penelitian ini dirancang aplikasi Tweets Clustering dengan metode UML menggunakan Use Case Diagram, Sequence Diagram dan Activity Diagram. Aplikasi ini dibangun menggunakan bahasa pemograman Python sebagai backend dan HTML sebagai frontend
Dari 855 tweet Tokopedia yang telah dikumpulkan kemudian dilakukan clustering menggunakan algoritma K-Means dan menghasilkan 48 cluster tweet. Kemudian dari 48 cluster dikelompokan menjadi lima kelompok besar. Berdasarkan hasil pengelompokan tersebut dapat diketahui bahwa konten yang banyak mendapat retweet adalah tentang ‘kuis berhadiah’ dan konten yang sedikit mendapat retweet adalah tentang ‘gaya hidup’.
Description
Keywords
Tokopedia, Tweet, Text Mining