ANALISIS DATA STATUS DI FACEBOOK UNTUK MEREKOMENDASIKAN PRODUK MAKANAN RINGAN MENGGUNAKAN TF-IDF DAN DOCUMENT WEIGHTING

Rohmad Abidin; Eko Sediyono; Sri Yulianto joko Prasetyo

doi:10.24176/simet.v9i2.2518

ANALISIS DATA STATUS DI FACEBOOK UNTUK MEREKOMENDASIKAN PRODUK MAKANAN RINGAN MENGGUNAKAN TF-IDF DAN DOCUMENT WEIGHTING

Rohmad Abidin - [ https://orcid.org/0000-0003-4953-6351 ]
Eko Sediyono
Sri Yulianto joko Prasetyo

Abstract

Penelitian ini bertujuan untuk mengembangkan menganalisa tingkat analisis status pada akun media sosial untuk mendukung kegiatan promosi Usaha Mikro Kecil khususnya produk makanan ringan. Penelitian menggunakan teknik yang terdapat pada text mining, analisis Term Frequency- Invers Document Frequency dan Document Weighting untuk merekomendasikan produk. Objek penelitian akun media sosial facebook dengan sample random yang tergabung dalam grup Warga Demak serta produk hasil UMK yang terdaftar pada Dinas Perdagangan dan Koperasi Kabupaten Demak. Hasil akhir penelitian ini adalah prototype sistem analisis status media sosial untuk mengklasifikasikan pelanggan produk UMK yang sesuai dengan hasil analisa status facebook. Dari hasil analisa didapatkan rata-rata tingkat akurasi prediksi sebesar 73.27% untuk keberhasilan merekomendasikan produk. Hasil penelitian ini menunjukkan bahwa analisis TF-IDF dan Document Weighting dapat dimanfaatkan untuk pengembangan sistem baru guna mendukung kegiatan promosi pengelola kelompok UMK agar lebih tepat sasaran.

Keywords

media sosial; TF-IDF; document weighting; UMK

Teks Lengkap:

PDF

Referensi

Utomo DA. Motif Pengguna Jejaring Sosial Google+ Di Indonesia. J E-KOMUNIKASI. 2013;1(3).

Luik JE. Media Sosial dan Presentasi Diri. Bab Buku Komunikasi 2.0: Teoritisasi dan Implikasi. Yogyakarta: Aspikom; 2011.

Siswanto T. Optimalisasi Sosial Media Sebagai Media Pemasaran Usaha Kecil Menengah. J Liq. 2013;2(1):80–6.

Priambada S. Manfaat Penggunaan Media sosial Pada Usaha Kecil Menengah (UKM). In: Seminar Nasional Sistem Informasi Indonesia. SESINDO; 2015.

Muhammad HSRRR. Penerapan Data Mining Dalam Menganalisi Kepribadian Pengguna Media Sosial Dengan Naive Bayes Classifier : Studi Kasus Media Sosial Instagram. J Inform Univ Padjadjaran. 2016;01(01):5258.

Hasanah N, Nugroho LE, Nugroho E. Analisis Efektivitas Iklan Jejaring Sosial sebagai Media Promosi Menggunakan EPIC Model. Sci J Informatics [Internet]. 2016 Feb 16;2(2):99. Available from: https://journal.unnes.ac.id/nju/index.php/sji/article/view/5075

Rivki M, Bachtiar AM. Implementasi Algoritma K-Nearest Neighbor Dalam Pengklasifikasian Follower Twitter Yang Menggunakan Bahasa Indonesia. J Inf Syst. 2017;13(1).

Ardi HL, Sediyono E, Ningrum RK. Support Vector Machine Classifier For Sentiment Analysis Of Feedback Marketplace For Sentiment Analysis Of Feedback Marketplace With A Comparison Features At Aspect Level. Int J Innov Res Adv Eng. 2017;4(11):7–12.

Chang P, Ting I-H, Wang S. Towards Social Recommendation System Based on the Data from Microblogs. In: International Conference on Advances in Social Networks Analysis and Mining [Internet]. IEEE; 2011. p. 672–7. Available from: http://ieeexplore.ieee.org/document/5992655/

DOI: https://doi.org/10.24176/simet.v9i2.2518