<?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="9379">
 <titleInfo>
  <title>APLIKASI TWIITO PENGKLASIFIKASI TWEET PENGGUNA TWITTER BERDASARKAN EMPAT TOPIK MENGGUNAKAN METODE LOGISTIC REGRESSION BERBASIS WEB</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Indra</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">MANADO</placeTerm>
  </place>
  <publisher>DLSU Manado</publisher>
  <dateIssued>2016</dateIssued>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Skripsi Teknik Informatika</form>
  <extent></extent>
 </physicalDescription>
 <note>Twitter merupakan salah satu media sosial yang banyak digunakan saat ini. Sampai sekarang, belum ada aplikasi yang dapat mengklasifikasikan tweet&#13;
pengguna Twitter berdasarkan topik health, music, sport dan technology padahal menurut beberapa analisis yang sudah dilakukan, ke empat topik tersebut&#13;
merupakan beberapa topik yang paling sering dibahas di dalam media sosial,termasuk Twitter.  &#13;
Untuk dapat mengklasifikasikan tweet pengguna secara otomatis, sebuah aplikasi harus menerapkan Machine Learning. Machine learning merupakan&#13;
cabang ilmu komputer yang berfokus pada pemberian kemampuan belajar kepada teknologi sehingga teknologi dapat belajar dan berkembang secara mandiri.  &#13;
Dalam Tugas Akhir ini dibuat aplikasi pengklasifikasi tweet pengguna Twitter berbasis web bernama Twiito yang menerapkan salah satu metode klasifikasi machine learning yaitu Logistic Regression yang mampu mengklasifikasikan tweet berdasarkan empat topik di atas secara otomatis. Terdapat beberapa proses utama lainnya yang juga diterapkan dalam aplikasi Twiito seperti Fetching Tweets, Preprocessing dan Text Feature Extraction. Aplikasi Twiito juga dapat mengklasifikasikan kalimat yang diketikkan pada textarea yang sudah disediakan. Tools yang digunakan dalam pembuatan aplikasi Twiito adalah Python&#13;
dan Flask. Metodologi dan kakas pemodelan yang digunakan adalah Rapid Application Development dan UML Diagram.  &#13;
Berdasarkan pengujian yang dilakukan menggunakan 9000 tweet (7200 untuk proses training dan 1800 untuk proses evaluasi) diperoleh tingkat akurasi&#13;
sebesar 93% yang diukur menggunakan Confusion Matrix yang dapat dibilang sangat tinggi. Banyak unique keyword untuk tiap topik yang digunakan dalam&#13;
aplikasi Twiito yang membuat aplikasi dapat memperoleh tingkat akurasi yang tinggi. Hasil pengujian menunjukkan bahwa aplikasi Twiito dapat mengklasifikasikan tweet berdasarkan empat topik yang dipilih dengan benar. &#13;
&#13;
Kata kunci: Machine Learning, Text Classification, Logistic Regression, Topic&#13;
Analysis, Twitter.&#13;
Â </note>
 <note type="statement of responsibility"></note>
 <classification>NONE</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Catholic University of De La Salle Manado Welcome to De La Salle Library</physicalLocation>
  <shelfLocator>Skripsi/Ind a</shelfLocator>
 </location>
 <slims:digitals>
  <slims:digital_item id="211" url="" path="/Untitled.pdf" mimetype="application/pdf">APLIKASI TWIITO PENGKLASIFIKASI TWEET PENGGUNA TWITTER BERDASARKAN EMPAT TOPIK    MENGGUNAKAN METODE LOGISTIC REGRESSION BERBASIS WEB</slims:digital_item>
 </slims:digitals>
 <slims:image>TA_001.jpg.jpg</slims:image>
 <recordInfo>
  <recordIdentifier>9379</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2016-11-18 13:29:25</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2016-11-18 13:29:25</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>