Penerapan Text Mining dan Metode DBSCAN untuk Clustering Data Tweet E-Commerce

Abstract

Perkembangan teknologi dan informasi pada saat ini membuat pelaku usaha atau e-commerce beralih
beriklan melalui website, sosial media; Facebook, Instagram, Twitter. Dengan beriklan di sosial media
misalnya di Twitter, pelaku usaha harus jeli untuk memberikan tweet yang sharable dimana para follower
akan secara sukarela membagikan konten seperti foto, video, diskon atau kuis dan pertanyaan yang dapat
mendongkrak penjualan. Tujuan penelitian ini adalah membantu pelaku usaha atau e-commerce untuk
mengetahui jenis konten tweet yang banyak dilakukan retweet oleh followers, sehingga konten tersebut sebagai
sarana untuk melakukan promosi kepada pengguna Twitter. Untuk  mendapatkan konten tersebut
dilakukan clustering data tweet dari Twitter dengan menggunakan Text Mining dan metode Density-Based
Spatial Clustering of Applications with Noise (DBSCAN). Metode ini membentuk cluster dari data-data
yang saling berdekatan, sedangkan data yang saling berjauhan tidak akan menjadi anggota cluster.
Penentuan jumlah cluster terbaik dilakukan dengan menggunakan metode Silhouette coefficient. Penelitian
ini menggunakan data teks yang diambil dari akun Twitter @bliblidotcom. Hasil penelitian ini
mendapatkan jumlah clustering yang terbaik berdasarkan Silhouette coefficient adalah lima cluster. Tweet
yang retweet terbanyak adalah tweet opporeno di cluster 4 dan 5. Menggunakan hasil cluster tersebut Blibli
Indonesia terbantu untuk melakukan promo apa yang paling disuka oleh pelanggannya.
Kata Kunci : Text Mining, Twitter, DBSCAN, E-commerce, Clustering