Budi Mustika
STMIK Hang Tuah Pekanbaru

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Text Mining Menggunakan Algoritma K-Means Clustering Untuk Memprediksi Keinginan Pasar Terkait Perjalanan Wisata Eka Sabna; Budi Mustika; Hendry Fonda; Dedy Irfan; Ambiyar Ambiyar
INTECOMS: Journal of Information Technology and Computer Science Vol 3 No 2 (2020): INTECOMS: Journal of Information Technology and Computer Science
Publisher : Institut Penelitian Matematika, Komputer, Keperawatan, Pendidikan dan Ekonomi (IPM2KPE)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31539/intecoms.v3i2.1702

Abstract

Penelitian ini akan dibahas mengenai bagaimana cara pengelompokan (clustering) data berupa teks di media sosial twitter dengan menggunakan algoritma K-means. Metode ini digunakan untuk mendapatkan deskripsi dari sekumpulan data dengan cara mengungkapkan kecenderungan setiap individu data untuk berkelompok dengan individu-individu data lainnya. Data diperoleh dari media sosial yang dijadikan objek penelitian adalah Twitter. Sampel penelitian paling banyak 250 (dua ratus limapuluh) buah tweet tweet terkait wisata. Tools atau aplikasi yang digunakan dalam implementasi text mining pada penelitian ini adalah Rapidminer Studio v.9.7. Penelitian ini dilaksanakan di PT. Hika Raya Berkah sebuah perusahaan yang bergerak dalam usaha jasa biro perjalanan wisata, baik dalam negeri maupun mancanegara. Berdasarkan analisis data yang telah dilakukan terhadap tweets dengan kata pencarian “wisata pantai” dan dilanjutkan dengan clustering menggunakan RapidMiner Studio, menghasilkan kata “pantai” dan “kidul” menempati posisi paling tinggi. Sedangkan jika dilihat berdasarkan nama pantai, diperoleh hasil kata “lombok”. Dari hasil inilah perusahaan dapat menyimpulkan bahwa objek wisata pantai yang populer pada saat ini adalah gunung kidul di Yogyakarta dan pantai lombok di Nusa Tenggara Barat