Jurnal: Ekstraksi Informasi Transaksi Online pada Twitter

Jurnal: Ekstraksi Informasi Transaksi Online pada Twitter

Jurnal: Ekstraksi Informasi Transaksi Online pada Twitter

Abstrak

Penelitian ini mengeksplorasi analisis konten tweet untuk mendapatkan informasi transaksi online di Indonesia yang datanya masih minim saat ini. Untuk itu, aplikasi SaFE-F dikembangkan yang melakukan pencarian (Search) dan Filter tweet yang relevan, Ekstraksi informasi transaksi online, dan menyimpan hasil ekstraksinya (Filling). Dengan menggunakan pendekatan ekstraksi informasi berbasis klasifikasi, dilakukan klasifikasi tweet dan klasifikasi token. Oleh karena itu, korpus tweet bahasa Indonesia dikonstruksi untuk pembangunan model klasifikasi. Eksperimen model klasifikasi tweet untuk tahapan filter menunjukkan bahwa model terbaik dengan akurasi 85.09% didapatkan dengan menggunakan algoritma pembelajaran C4.5, fitur trigram, dan tanpa praproses. Eksperimen model klasifikasi token untuk tahapan ekstraksi menunjukkan bahwa model terbaik dengan akurasi 81.49% didapatkan dengan menggunakan algoritma pembelajaran IBk (Instance-based learning) dan set 7 fitur terbaik dengan gain ratio. 

Kata Kunci Ekstraksi informasi, transaksi online, twitter, tweet, klasifikasi, bahasa Indonesia, algoritma pembelajaran 

Pendahuluan 

Informasi transaksi online di Indonesia didapatkan dari survei yang hanya melibatkan pembeli online dalam jumlah kecil (DailySocial, 2012). Pengumpulan informasi transaksi dari para penjual online tidak efektif karena jumlah penjual yang banyak dan informasi tersebut merupakan data rahasia bagi para penjual. Makalah ini mengeksplorasi analisis konten tweet dari twitter1 untuk mengumpulkan secara otomatis informasi transaksi online di Indonesia. Pengguna twitter dari Indonesia telah mencapai 30 juta pada Juli 2012 (Semiocast, 2012). Microblog ini telah digunakan para penggunanya untuk menulis berbagai aktifitas termasuk aktifitas dalam melakukan transaksi online. Selain itu, transaksi online dilakukan pengguna twitter lebih banyak 24% dibandingkan rata-rata pengguna internet lainnya (Boorstin, 2012).

Peneliti: Masayu Leylia Khodra 

Untuk lebih lengkapnya silahkan download di link berikut:
Jurnal: Ekstraksi Informasi Transaksi Online pada Twitter