PENERAPAN SISTEM MULTI AGEN UNTUK EKSTRAKSI INFORMASI KEBUTUHAN DARAH PADA TWITTER

AFWAN ANGGARA, Dr. Azhari S.N., M.T.

2016 | Tesis | S2 Ilmu Komputer

Permintaan yang meningkat terkadang tidak diiringi dengan meningkatnya jumlah pendonor maka UTD PMI kekurangan persediaan darah, sehingga membutuhkan pendonor untuk kebutuhan darah yang dicari. Seseorang yang membutuhkan darah sering tidak cepat dalam mendapatkan seorang pendonor. Informasi yang kurang cepat menyebar merupakan salah satu faktor keterlambatan mendapatkan pendonor. Seiring berkembangnya jaman media sosial Twitter digunakan untuk berbagi informasi kebutuhan darah. Kalimat yang terdapat pada tweet bukan merupakan kalimat yang terstruktur, sehingga harus menggunakan pendekatan komputasi dalam pengolahan kata pada tweet. Mekanisme proses pengubahan bentuk teks tidak tersetruktur menjadi teks terstruktur yaitu menggunakan text preprocessing, yang meliputi tahapan casefolding, filtering, tokenizing, slang replacement dan stopword removal. Metode naïve bayes classifier diterapkan menggunakan teknologi agen untuk melakukan klasifikasi data tweet yang relevan dengan informasi kebutuhan darah, sehingga proses pengolahan informasi kebutuhan darah dari tweet dapat secara realtime dan juga mampu bekerja secara autonomous. Perancangan agen menggunakan metodologi Prometheus. Agen yang dibangun terdiri dari agen koleksi, agen preprocessing, agen klasifikasi dan agen matching. Dari hasil uji coba sistem agen melakukan klasifikasi menunjukan bahwa nilai akurasi terkecil 89,1% dihasilkan pada pengujian dengan sampel pertama, dan untuk nilai akurasi tertinggi 96,1% dihasilkan pada pengujian ketiga dengan menggunakan 920 data training.

Increasing of blood need sometimes are not accompanied by the increasing number of donors. Because of that the UTD PMI shortage of blood supply, thus requiring the donor's blood needs are sought. Someone who needs blood is often not quick in getting a donor. Information that is less rapid spread is one of the delays in getting donors. Along the development era of social media, Twitter used to share information about blood needs. The sentence contained in the tweet is not a structured sentence, so it must use a computational approach to word processing on a tweet. Text processing is used to change the unstructured text into structured text, which includes stages casefolding, filtering, tokenizing, hose replacement and stopword removal. Naïve Bayes classifier method is applied using an agent technology to perform tweet data classification that relevant to the information of blood needs, so that the information about blood needs from tweet can spread in real time and also be able to work autonomous. We use Prometheus methodology to designing an agent. Agents that built consisting of a collection agent, preprocessing agent, classification agents and matching agent. From the test results to classify the agent system shows that the value of the smallest accuracy of 89.1% is generated in the test with the first sample, and for the highest accuracy value of 96.1% generated in the third test using 920 training data.

Kata Kunci : twitter, multiagen, naïve bayes classifier, ekstraksi, kebutuhan darah