Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal eProceedings of Engineering SmartComp
Febiansyah, Muhamad
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Prediksi Retweet Berdasarkan Konten dan Berbasis Pengguna dengan Metode Seleksi Classifier Febiansyah, Muhamad; Jondri, Jondri; Indwiarti, Indwiarti
Smart Comp :Jurnalnya Orang Pintar Komputer Vol 14, No 1 (2025): Smart Comp: Jurnalnya Orang Pintar Komputer
Publisher : Politeknik Harapan Bersama

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30591/smartcomp.v14i1.7166

Abstract

Perkembangan media sosial telah mengubah cara penyebaran informasi secara drastis. Twitter, sebagai salah satu platform utama, memiliki peran penting dalam proses ini, dengan jutaan pengguna dan retweet yang terjadi setiap hari. Penelitian ini bertujuan untuk mengembangkan model prediksi retweet pada Twitter, memanfaatkan fitur content-based dan user-based. Metode classifier selection digunakan untuk memilih model terbaik, dengan eksplorasi berbagai teknik seperti oversampling. Hasil eksperimen menunjukkan bahwa penggunaan teknik-teknik tersebut dapat meningkatkan kinerja model dalam memprediksi retweet, terutama pada fitur user based. Meta learner dengan oversampling data pada fitur content based menunjukkan kinerja baik, penggunaan meta learner dan oversampling data memberikan dampak yang signifikan terhadap hasil penelitian
Prediksi Retweet Berdasarkan Konten Dan Pengguna Dengan Metode Classifier Selection Febiansyah, Muhamad; Jondri; indwiarti
eProceedings of Engineering Vol. 12 No. 1 (2025): Februari 2025
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak - Perkembangan media sosial telah merubah cara penyebaran informasi, dengan Twitter memainkan peran utama. Penelitian ini bertujuan mengembangkan model prediksi retweet di Twitter menggunakan fitur content-based dan user-based, serta teknik oversampling untuk meningkatkan kinerja model. Hasil eksperimen menunjukkan bahwa meta learner tanpa oversampling pada fitur content-based memiliki macro average F1-score sebesar 0.52, namun dengan recall yang sangat rendah untuk kelas retweet (6%) dan F1-score 0.11. Sebaliknya, meta learner dengan oversampling pada fitur contentbased memperbaiki performa dengan presisi 0.86, recall 0.77, dan F1-score 0.80 untuk retweet, dengan nilai macro average F1-score sebesar 0.82 yang menunjukan kenaikan dibandingkan dengan meta learner tanpa oversampling. Untuk model user-based, tanpa oversampling, macro average F1-score memiliki nilai 0.75 dengan keseimbangan baik antara presisi dan recall pada kelas non retweet. Setelah oversampling, model user-based mempertahankan keseimbangan yang baik dengan presisi, recall, F1-score, dan macro average F1- score masing-masing sebesar 0.88 pada kelas retweet dan non retweet. Secara keseluruhan, oversampling meningkatkan kinerja model, terutama pada fitur content-based, dengan model user-based menunjukkan performa yang paling konsisten dan baik. Kata kunci - twitter, pemilihan pengklasifikasi, berbasis pengguna, berbasis konten
Co-Authors indwiarti Indwiarti Jondri Jondri