Pemodelan Pengguna berdasarkan Klasifikasi SMS Menggunakan Support Vector Machine pada Perangkat Bergerak Android

Muhammad Fikry

Abstract


Perangkat bergerak, seperti smartphone dan tablet, memiliki peranan penting dalam kehidupan sehari-hari penggunanya. Berdasarkan interaksi pengguna perangkat bergerak dapat dibuat suatu model yang merepresentasikan pengguna tersebut. Dalam penelitian ini, dilakukan pemodelan pengguna perangkat bergerak dengan implementasi proof-of-concept berupa rancang bangun aplikasi Android yang dapat digunakan untuk mengklasifikasikan SMS pada perangkat bergerak dengan menggunakan SVM (Support Vector Machine). Model klasifikasi SVM dibangun dengan menggunakan 640 SMS sebagai data latih dengan kernel gaussian RBF, serta pemilihan feature dengan metode DF. Dari hasil pengujian terhadap 160 SMS sebagai data uji, diperoleh akurasi untuk topik Pribadi sebesar 88.75%, diikuti topik Pekerjaan sebesar 5%.


Keywords


klasifikasi topik; pemodelan pengguna; perangkat bergerak; Support Vector Machine

Full Text:

PDF

References


Bozkir, A.S., dan Sezer, E., Mobile Mind: A Fully Mobile Platform Based Machine Learning Application, Hacettepe University, Computer Engineering Department, Ankara, Turkey, 2011.

Figura, J., Machine Learning for Google Android, Thesis. Institute of Formal and Applied Linguistics, Faculty of Mathematics and Physics, Charles University in Prague, 2012.

Gerber, S., Fry, M., Kay, J., Kummerfeld, B., Pink, G., dan Wasinger, R., PersonisJ: Mobile, Client-Side User Modelling, UMAP, LNCS 6075, pp. 111–122, Springer-Verlag Berlin Heidelberg 2010.

Herbrich, R., dan Graepel, T., Handbook of Natural Language Processing. 2010.

Johnson, A., dan Taatgen, N., User Modeling, Handbook of Human Factors in Web Design, Lawrence Erlbaum Associates, pp. 424–439, 2005.

Oliveira, R., Karatzoglou, A., Concejero, P., Armenta, A., dan Oliver, N., Towards a Psychographic User Model From Mobile Phone Usage, Vancouver, BC, Canada, 2011.

Park, M.H., Hong, J.H., dan Cho, S.B., Location-Based Recommendation System Using Bayesian User's Preference Model in Mobile Devices, J. Indulska et al. (Eds.): UIC 2007, LNCS 4611, pp. 1130–1139, Springer-Verlag, Berlin Heidelberg, 2007.

Sahs, J., dan Khan, L., A Machine Learning Approach to Android Malware Detection, Intelligence and Security Informatics Conference (EISIC), 2012.

Tsang, S.L., dan Clarke S., Mining User Models for Effective Adaptation of Context-aware Applications, International Journal of Security and its Applications Vol. 2, No. 1, January, 2008.




DOI: http://dx.doi.org/10.24014/sitekin.v12i2.1026

Refbacks

  • There are currently no refbacks.


Copyright (c) 2015 Jurnal Sains dan Teknologi Industri

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Editorial Address:
FAKULTAS SAINS DAN TEKNOLOGI
UIN SULTAN SYARIF KASIM RIAU
Kampus Raja Ali Haji
Gedung Fakultas Sains & Teknologi UIN Suska Riau
Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293
Email: sitekin@uin-suska.ac.id
© 2023 SITEKIN, ISSN 2407-0939

SITEKIN Journal Indexing:

Google Scholar | Garuda | Moraref | IndexCopernicus | SINTA


Creative Commons License
SITEKIN by http://ejournal.uin-suska.ac.id/index.php