EFISIENSI PENGGUNAAN ALGORITMA BOYER MOORE UNTUK PREDIKSI PERILAKU ORANG MELALUI INTERAKSI DI TWITTER

MUKH, NOORFAIK (2014) EFISIENSI PENGGUNAAN ALGORITMA BOYER MOORE UNTUK PREDIKSI PERILAKU ORANG MELALUI INTERAKSI DI TWITTER. Skripsi,Fakultas Ilmu Komputer.

Preview	PDF Download (522Kb) | Preview
Preview	PDF Download (4Kb) | Preview

Abstract

Media social twitter yang semakin banyak penggunanya termasuk publik figur dan interaksi yang banyak pula di dalamya sangat beragam isinya, baik interaksi yang berisi hal positif atau negatif. Secara tidak langsung ini akan mempengaruhi follower yang cenderung meniru tokoh yang difollownya. Dari hal ini maka sebagai follower perlu memilihdan memilah akun siapa saja yang panas kita follow dan yang tidak pantas karena penyajian konten yang beragam. Untuk mengatasi hal ini, penelitian ini akan meneliti efektifitas algoritma string matching boyer moore untuk mengatasi masalah tersebut. Algoritma string matching dianggap efektif algoritma ini mencocokan kata yang ada di konten dengan bank data kata negatif dan positif sehingga tiap konten dapat diberikan penilaian baik atau buruk sehingga pada akhir penelitian menyajikan prosentase berdasarkan pencocokan kata yang telah dilakukan. Dari prosentase tersebut dapat disimpulkan jika prosentase baik lebih banyak maka akuntwitter tersebut layak untuk difollow sehingga tidak memberikan dampak yang buruk terhadap kebiasaan dan sebaliknya jika lebih banyak prosentase buruk maka akun tersebut tidak layak difollow karena kecenderungan untuk mempengaruhi kebiasaan followernya dengan meniru apa yang disajikan dalam konten tersebut. Metode historical research dijadikan sebagai metode yang cocok karena meneliti kejadian sebelum-sebelumnya. Dimana kejadian sebelum-sebelumnya disini yaitu konten-konten yang sudah ada dan sudah terposting sebelumnya. Uji coba yang dilakukan adalah dengan menggunakan akun twitter seorang publik figur karena mereka sangat berpengaruh bagi orang lain dimana interaksi-interaksi yang terjadi dijadikan sebagai bahan penelitian.

Actions (login required)