Article Per Year (5 Year)
p-Index From 2020 - 2025
3.89
P-Index
This Author published in this journals
All Journal JAIS (Journal of Applied Intelligent System) Jurnal Obsesi: Jurnal Pendidikan Anak Usia Dini MEANS (Media Informasi Analisa dan Sistem) Didaktika: Jurnal Kependidikan Jurnal Algoritma Jurnal Cakrawala Informasi (JCI) Jurnal Masyarakat Madani Indonesia "JAMASTIKA" Jurnal Mahasiswa Teknik Informatika Journal of Future Artificial Intelligence and Technologies Jurnal Informatika dan Kesehatan Ngudi Waluyo Empowerment : Jurnal Pengabdian Kepada Masyarakat INOVTEK Polbeng - Seri Informatika
Iwan Setiawan Wibisono
Universitas Ngudi Waluyo
Arts Humanities Computer Science & IT Decision Sciences, Operations Research & Management Education Environmental Science Health Professions Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Law, Crime, Criminology & Criminal Justice Library & Information Science Mathematics Medicine & Pharmacology Public Health Social Sciences Other

Published : 20 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : MEANS (Media Informasi Analisa dan Sistem)

 1 
Klasifikasi Kepribadian Myres-Briggs Type Indicator Menggunakan Metode TF-IDF dan Naive Bayes Classifier C, Annisa; Wibisono, Iwan Setiawan
MEANS (Media Informasi Analisa dan Sistem) Volume 9 Nomor 1
Publisher : LPPM UNIKA Santo Thomas Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.54367/means.v9i1.3497

Abstract

Tipe kerpibadian seseorang biasanya dapat diketahui dengan menggunakan psikotes. Salah satu jenis psikotes yang sering digunakan adalah Myres-Briggs Type Indicator (MBTI). Sebuah aplikasi berbasis web yang dapat melakukan klasifikasi tipe kepribadian seseorang berdasarkan cuitan di Twitter diharapkan dapat menjadi salah satu alternatif untuk mengetahui tipe kepribadian seseorang tanpa perlu mengikuti psikotes secara konvensional. Selain itu, hasil psikotes juga dapat diketahui secara langsung. Aplikasi ini dibuat dengan menggunakan teknik text mining, yaitu dengan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan metode klasifikasi Naive Bayes Classifier. Metode TF-IDF digunakan untuk memberikan pembobotan kata dari data training dan metode Naive Bayess Classifier digunakan untuk mengklasifikasikan data testing berdasarkan data yang telah dilatih sebelumnya. Data akan dibersihkan terlebih dahulu sebelum dilatih maupun diuji melalui proses preprocessing sehingga informasi yang dihasilkan dapat menjadi lebih akurat. Hasil dari penelitian ini adalah dari 100 data yang diuji, 71 data termasuk kategori klasifikasi benar sesuai dengan labelnya, sedangkan 29 data termasuk kategori klasifikasi salah karena hasil prediksi tidak sesuai dengan labelnya. Tingkat akurasi adalah sebesar 71% dengan rincian precision dan recall untuk kelas artisan sebesar 63% dan 68%, untuk kelas guardian sebesar 77% dan 68%, untuk kelas rational sebesar 64% dan 72%, dan untuk kelas idealist sebesar 83% dan 76%.
Co-Authors Abdul Rohman Achmad Nuruddin Safriandono Akhmad Dahlan Alfiano Aldo Pamungkas amalia fatima zahra Aqmal Putra R.R Arga Aditia Purnama Aya Sofia Dinafa C, Annisa De Rosal Ignatius Moses Setiadi Efaforito Gulo Farah Zakiyah Rahmanti Heni Candra Kirana Heni Setyowati Hesti Yunitiara Rizqi Himmah Taulany inneke fitri ade muliya Kartika Yuni Purwanti Kurniati Pratami Lisa Virdinarti Putra Mamluatul Husnia Marsiska Ariesta Putri Nurohmah, Siti Ojugo, Arnold Adimabua Sanjaya, Ucta Pradema Sekar Febri Medianza Sri Mujiyono Suamanda Ika Novichasari Tatik Wulandari Zulmi Roestika Rini