UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Penerapan Elbow Method Untuk Penentuan Jumlah Cluster Optimal K-means Dalam Pengelompokan Cyberbullying Pada Media Sosial Instagram
Penanda Bagikan

Skripsi

Penerapan Elbow Method Untuk Penentuan Jumlah Cluster Optimal K-means Dalam Pengelompokan Cyberbullying Pada Media Sosial Instagram

Gracia Isabel De Yesus - Nama Orang;

ABSTRAK

GRACIA ISABEL DE YESUS, Penerapan Elbow Method Untuk Penentuan Jumlah Cluster Optimal K-Means Dalam Pengelompokan Cyberbullying Pada Media Sosial Instagram (dibimbing oleh Ratnawati dan Pasnur)

Permasalahan dalam penelitian ini adalah penentuan jumlah cluster pada algoritma K-Means yang kurang optimal dalam pengelompokan cyberbullying di Instagram, sehingga dapat menurunkan kualitas hasil pengelompokkan. Untuk mengatasi permasalahan tersebut, penelitian ini menawarkan solusi dengan menerapkan Elbow Method untuk menentukan jumlah cluster optimal sebelum proses clustering dilakukan, sehingga pengelompokan komentar cyberbullying dapat dilakukan secara lebih terarah dan sistematis. Penelitian ini bertujuan untuk menentukan jumlah cluster optimal menggunakan Elbow Method pada algoritma K-Means untuk pengelompokan komentar cyberbullying di media sosial Instagram. Data penelitian diperoleh melalui studi pustaka dan dataset publik Kaggle dan GitHub berupa komentar cyberbullying di Instagram. Metode analisis data yang digunakan dalam penelitian ini adalah metode clustering dengan algoritma K-Means yang didukung oleh Elbow Method. Hasil penelitian menunjukkan bahwa jumlah cluster optimal yang diperoleh menggunakan Elbow Method adalah K = 5. Algoritma K-Means mampu mengelompokkan 1.050 komentar Instagram dengan rata-rata waktu eksekusi 0,0571 detik, dari 10 percobaan (0,0596; 0,0557; 0,0562; 0,0558; 0,0582; 0,0580; 0,0567; 0,0568; 0,0564; 0,0570 detik) yang menunjukkan bahwa metode yang digunakan efisien dalam pengelompokan komentar cyberbullying di Instagram.

Kata kunci: K-Means, Elbow Method, Cyberbullying, Instagram, Clustering, Text Mining











Ketersediaan
#
Perpustakaan STMIK AKBA (A / 972) SKR/TI/2025 REF GRA p
2999/SKR-Ti/AKBA/26
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR GRA p
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
xviii + 89 hlm., 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF GRA p
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Ratnawati dan Pembimbing II: Pasnur Penguji: Andi Yulia Muniar, Markani, Tatik Maslihatin
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?