KLASIFIKASI POSTING TWITTER KEMACETAN LALU LINTAS KOTA BANDUNG MENGGUNAKAN NAIVE BAYESIAN CLASSIFICATION

Sandi Fajar Rodiyansyah, Drs. Edi Winarko, M.Sc., Ph.D.

2012 | Tesis | S2 Ilmu Komputer

Setiap hari server Twitter menerima data tweet dengan jumlah yang sangat besar. Dengan demikian, perlu dikembangkan sistem untuk melakukan data mining dari tumpukan data tersebut yang akan digunakan untuk kepentingan tertentu, salah satunya adalah untuk visualisasi kemacetan lalu lintas di suatu kota. Naive bayes classifier merupakan pendekatan yang mengacu pada teorema Bayes yang menkombinasikan pengetahuan sebelumnya dengan pengetahuan baru. Sehingga merupakan salah satu algoritma klasifikasi yang sederhana namun memiliki akurasi tinggi. Untuk itu, dalam penelitian ini akan dibuktikan kemampuan naive bayes classifier untuk mengklasifikasikan data tweet yang menginformasikan kemacetan lalu lintas di kota Bandung. Sebelum dilakukan klasifikasi, data tweet melalui preprocessing dan pembobotan term frequency dan tf-idf. Kemudian dari pembobotan ini dilakukan klasifikasi dengan naive bayes classifier. Setelah data tweet terklasifikasikan kemudian dilakukan visualisasi dengan menggunakan peta Google Map dan grafik. Dari hasil uji coba, aplikasi menunjukan bahwa nilai akurasi terkecil 78% dihasilkan pada pengujian dengan sampel sebanyak 100 dan menghasilkan nilai akurasi tinggi 91,60% pada pengujian dengan sampel sebanyak 13106. Hasil pengujian dengan perangkat lunak Rapid Miner 5.1 diperoleh nilai akurasi terkecil 72% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 93,58% dengan sampel 13106 untuk metode naive bayesian classification. Sedangkan untuk metode support vector machine diperoleh nilai akurasi terkecil 92% dengan sampel sebanyak 100 dan nilai akurasi tertinggi 99,11% dengan sampel sebanyak 13106.

Every day the Twitter server receives a very large number of data tweet. Thus, the system should be developed to perform data mining of the heap data to be used for specific purpose, one of which is for the visualization of traffic jam in a city. Naive bayes classifier is an approach that refers to the bayes theorem, is a combination of prior knowledge with new knowledge. So that is one of the classification algorithm is simple but has a high accuracy. With this, in this research will prove the ability naive bayes classifier to classify the tweet that contains information of traffic jam in Bandung. Prior to classification, tweet has been through a preprocessing and term frequency weighting and tf-idf. Then the weight is to perform classification with naive bayes classifier. After the data is classified, tweet visualization is then performed using the Google Maps map and chart. The testing result, the program shows that the smallest value of the accuracy is 78% on testing by using a sample 100 record and generate high accuracy is 91,60% on the testing by using a sample 13106 record. The testing results with Rapid Miner 5.1 software obtained the smallest value of the accuracy is 72% by using a sample 100 records and the high accuracy is 93.58% by using a sample 13.106 records for naive bayesian classification. And for the method of support vector machine obtained the smallest value is 92% accuracy by using a sample 100 records and the high accuracy of 99.11% by using a sample 13.106 records.

Kata Kunci : Twitter, tweet, kemacetan, lalu lintas, klasifikasi, preprocessing, naive bayesian classifier, support vector machine, akurasi, visualisasi, Google Map