Abstract
Female Daily Network perusahaan yang bergerak di bidang media sosial. Female Daily
memiliki media sosial untuk membagikan pengalaman menggunakan produk kecantikan
bernama Female Daily. Female Daily memiliki peraturan untuk tidak menggunakan
Female Daily Platform untuk mempromosikan, menjual produk, dan layanan di platform
media sosial di Female Daily. Namun, pengguna di Female Daily terkadang melanggar
peraturan tersebut di post mereka dan menyebabkan pengguna lain terganggu akan hal
tersebut. Admin di Female Daily kesulitan untuk mengidentifikasi pengguna yang
melanggar aturan itu dan melarang post mereka yang berisi penjualan produk karena
keterbatasan jumlah admin dengan jumlah post yang masuk tiap hari. Text mining juga
dapat mengatasi permasalahan ini dengan menentukan klasifikasi secara otomatis dengan
membuat sistem yang melakukan proses pembelajaran dengan dari kata-kata post yang
tersedia. Algoritme yang bisa digunakan untuk melakukan proses text mining pada
penelitian ini seperti Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree
(DT), dan Random Forest (RF). Penelitian ini menggunakan kombinasi cara ekstraksi
fitur, fitur kontekstual, dan melakukan balancing data. Penelitian ini menggunakan
skenario penelitian untuk menganalisis ekstraksi fitur, penggunaan fitur kontekstual, dan
balancing data. Algoritme terbaik dilihat dari nilai recall pada kombinasi algoritme dan
fitur penelitian ini adalah Random Forest TF-IDF Unigram dan menggunakan tambahan
fitur kontekstual deteksi uang dan kata-kata menjual dengan data yang seimbang. Nilai
recall 88.37% didapatkan dari hasil kombinasi algoritme dan fitur tersebut.
......Female Daily Network is a company engaged in social media. Female Daily has social
media to share experiences using beauty products called Female Daily. Female Daily has
regulations not to use the Female Daily Platform to promote, sell products and services
on social media platforms in Female Daily. However, users on Female Daily sometimes
violate these rules in their posts and cause other users to be annoyed about it. Admins at
Female Daily have difficulty identifying users who violate these rules and ban their posts
containing product sales due to the limited number of admins with the number of posts
that enter each day. Text mining can also overcome this problem by determining the
classification automatically by creating a system that carries out the learning process
from the available post words. Algorithms that can be used to carry out the text mining
process in this research are Support Vector Machine (SVM), Naïve Bayes (NB), Decision
Tree (DT), and Random Forest (RF). This study uses a combination of feature extraction,
contextual features, and data balancing. This study uses research scenarios to analyze
feature extraction, contextual feature usage, and data balancing. The best algorithm seen
from the recall value in the combination of algorithms and features of this research is the
Random Forest TF-IDF Unigram and uses additional contextual features to detect money
and selling words with balanced data. The recall value of 88.37% is obtained from the
results of the combination of these algorithms and features.
