UNITOMOUNITOMO

Inform: Jurnal Ilmiah Bidang Teknologi Informasi dan KomunikasiInform: Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi

Internet menciptakan ruang baru di mana orang dapat berinteraksi dan berkomunikasi secara efisien. Media sosial seperti Facebook dan Twitter memfasilitasi interaksi tersebut, namun keterbukaan pengguna sering mengungkapkan karakter pribadi tanpa disadari. Dalam penelitian ini, status media sosial dari 50 pengguna Facebook dan Twitter dikumpulkan dan diproses melalui tokenisasi, stopword removal, stemming, serta perhitungan TF‑IDF. Algoritma Probabilistik Neural Network (PNN) diterapkan untuk mengklasifikasikan Big Five personality traits, menghasilkan akurasi rata‑rata 86,99 % pada fase pelatihan dan 83,66 % pada pengujian dengan 30 data pelatihan dan 20 data uji.

Hasil analisis menunjukkan bahwa PNN dapat mengenal karakter seseorang dengan akurasi rata‑rata 86,99 % pada pelatihan dan 83,66 % pada pengujian.Akurasi optimal dicapai pada kombinasi 30 data pelatihan dan 20 data uji.Perluasan penelitian ditujukan pada penerapan metode seleksi fitur guna meningkatkan kinerja klasifikasi.

Pertama, lakukan studi perbandingan antara PNN dengan algoritma pembelajaran mendalam (deep learning) seperti CNN atau LSTM untuk melihat apakah arsitektur jaringan lebih kompleks dapat meningkatkan akurasi klasifikasi karakter. Kedua, lakukan analisis sensitivitas fitur dengan menerapkan teknik seleksi fitur berbasis informasi (mutual information atau chi‑square) pada dataset status media sosial, sehingga dapat mengidentifikasi kata kunci yang paling berkontribusi pada prediksi trait Big Five. Ketiga, kembangkan sistem real‑time monitoring yang dapat memproses status media sosial secara otomatis dan memberikan profil karakter secara dinamis; sistem ini dapat diuji pada platform media sosial yang berbeda serta dengan data pengguna seluler di Indonesia untuk validitas temuan secara nasional.

Read online
File size315.69 KB
Pages4
DMCAReport

Related /

ads-block-test