DHERIESSA AYUDHEA, NIM. 162022046 (2026) PENERAPAN ALGORITMA K-MEANS CLUSTERING UNTUK MENGELOMPOKKAN ANOMALI KOMENTAR NORMAL, SPAM, DAN BOT PADA PLATFORM TIKTOK. Skripsi thesis, Universitas Muhammadiyah Palembang.

Preview	Text 162022046_BAB I_DAFTAR PUSTAKA.pdf - Published Version Download (2MB) | Preview
	Text 162022046_BAB II.pdf - Published Version Restricted to Repository staff only Download (363kB)
	Text 162022046_BAB III.pdf - Published Version Restricted to Repository staff only Download (387kB)
	Text 162022046_BAB IV.pdf - Published Version Restricted to Repository staff only Download (702kB)
	Text 162022046_BAB V.pdf - Published Version Restricted to Repository staff only Download (173kB)
	Text 162022046_DAFTAR PUSTAKA.pdf - Bibliography Restricted to Repository staff only Download (187kB)
	Text 162022046_LAMPIRAN.pdf Restricted to Repository staff only Download (218kB)
	Text 162022046_Cover_sampai_Lampiran.pdf Restricted to Repository staff only Download (12MB)

Abstract

Perkembangan pesat teknologi informasi dan komunikasi telah mendorong peningkatan penggunaan media sosial sebagai sarana utama bagi pengguna dalam menyampaikan opini publik. Dengan tingginya jumlah komentar pada platform TikTok, muncul beragam jenis komentar, termasuk komentar normal, spam, dan bot yang berpotensi menurunkan kredibilitas informasi. Maka dari itu, diperlukan penerapan metode yang efektif untuk melakukan klasterisasi terhadap komentar-komentar tersebut secara sistematis. Penelitian ini bertujuan untuk mengelompokkan komentar ke dalam kategori normal, spam, dan bot menggunakan pendekatan unsupervised learning. Metode yang digunakan adalah algoritma K-Means Clustering dengan tahapan prapemrosesan teks dan pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Data yang digunakan berupa komentar pengguna pada konten produk Skintific dan Glad2Glow di platform TikTok. Hasil penelitian menunjukkan bahwa penerapan algoritma K-Means Clustering terbukti efektif dalam membagi data komentar ke dalam tiga cluster dengan karakteristik yang signifikan berbeda, yaitu cluster komentar normal yang didominasi interaksi menengah dan kosakata beragam, cluster spam dengan interaksi tinggi dan variasi kata yang cukup, serta cluster bot yang ditandai dengan komentar singkat, repetitif, dan interaksi rendah. Secara keseluruhan, hasil analisis ini menyajikan wawasan mendalam terkait pola karakteristik komentar di media sosial. Penelitian ini diharapkan berkontribusi sebagai acuan praktis dalam pengembangan sistem moderasi yang lebih efektif serta pengembangan teknik analisis data teks berbasis klasterisasi.

Item Type:	Thesis (Skripsi)
Additional Information:	1. Jimmie, S.Kom., M.Kom 2. Dedi Haryanto, S.Kom., M.Kom
Uncontrolled Keywords:	K-Means Clustering; Komentar Spam; Akun Bot; Tiktok
Subjects:	Teknologi informasi > pangkalan data Teknologi informasi > perangkat lunak Teknologi informasi > program
Divisions:	Fakultas Teknik > Teknologi Informasi (S1)
Depositing User:	Mahasiswa Fakultas Teknik
Date Deposited:	08 May 2026 01:38
Last Modified:	08 May 2026 01:38
URI:	http://repository.um-palembang.ac.id/id/eprint/35799

Actions (login required)

View Item