Resume Paper

“Mining Social Media”

1. Introduction

Penelitian data mining telah berhasil menghasilkan banyak metode, alat, dan algoritma
untuk menangani sejumlah besar data untuk memecahkan masalah dunia nyata. Penambangan
data tradisional telah menjadi bagian integral dari banyak domain aplikasi termasuk
bioinformatika, data pergudangan, intelijen bisnis, analisis prediktif, dan sistem pendukung
keputusan. Utama

Tujuan dari proses data mining adalah untuk secara efektif menangani data berskala
besar, ekstrak pola yang bisa ditindaklanjuti, dan mendapatkan pengetahuan mendalam. Karena
media sosial banyak digunakan untuk berbagai tujuan, sejumlah besar data buatan pengguna ada
dan dapat disediakan untuk data mining Data mining media sosial dapat memperluas
kemampuan pemahaman para peneliti fenomena baru karena penggunaan media sosial dan
meningkatkan kecerdasan bisnis untuk memberikan layanan yang lebih baik dan
mengembangkan peluang inovatif.

Misalnya data mining. Teknik dapat membantu mengidentifikasi orang-orang yang

berpengaruh di blogosphere yang luas, mendeteksi secara implisit atau kelompok tersembunyi di
situs jejaring sosial, sentimen pengguna perasaan untuk perencanaan proaktif, mengembangkan
sistem rekomendasi untuk tugas mulai dari membeli produk tertentu hingga pembuatannya
teman baru, memahami evolusi jaringan dan mengubah hubungan entitas, melindungi privasi dan
keamanan pengguna, atau membangun dan memperkuat kepercayaan di antara pengguna atau
pengguna dan pengguna entitas.

Pertambangan media sosial adalah area multidisiplin yang berkembang dimana peneliti
berbeda latar belakang dapat memberikan kontribusi penting yang penting bagi penelitian media
social dan pengembangan.
1.2. Media sosial

Media sosial (Kaplan dan Haenlein [28]) didefinisikan sebagai sekelompok aplikasi
berbasis Internet yang membangun fondasi ideologis dan teknologi dari Web 2.0 dan yang
memungkinkan pembuatan dan pertukaran konten buatan pengguna. Media sosial konglomerat
berbeda jenis situs media sosial termasuk media tradisional seperti koran, radio, dan televisi
dan media nontradisional seperti Facebook, Twitter, dll. Tabel 1 menunjukkan karakteristik
dari berbagai jenis media sosial.

Media sosial memberi pengguna cara mudah berkomunikasi dan berkomunikasi satu
sama lain pada skala yang belum pernah terjadi sebelumnya dan pada tingkat yang tak terlihat di
media tradisional. Popularitas sosial media terus tumbuh secara eksponensial, berakibat pada
evolusi jaringan sosial, blog,

1.3. Media Sosial Pertambangan

Jumlah besar konten buatan pengguna dibuat di situs media sosial setiap hari. Ini tren
cenderung berlanjut dengan konten yang lebih eksponensial di masa depan. Oleh karena itu,
sangat penting bagi produsen, konsumen, dan penyedia layanan untuk mengetahui pengelolaan
dan kegunaannya data buatan pengguna yang besar

bisakah pengguna didengar? (2) Sumber informasi mana yang harus digunakan
pengguna? (3) Bagaimana bisa pengguna pengalaman ditingkatkan? Jawaban atas pertanyaan-
pertanyaan ini disembunyikan dalam data media sosial. Tantangan ini menghadirkan banyak
peluang bagi penambang data untuk mengembangkan algoritme baru dan metode untuk media
sosial.

Data yang dihasilkan di situs media sosial berbeda dengan data atribut-nilai konvensional
untuk data mining klasik. Data media sosial sebagian besar merupakan konten buatan pengguna
di media social situs. Data media sosial sangat luas, berisik, terdistribusi, tidak terstruktur, dan
dinamis. Karakteristik ini mengajukan tantangan pada tugas penambangan data untuk
menemukan teknik dan algoritma efisien baru.
Misalnya, Facebook3 dan Twitter4 laporkan data lalu lintas Web dari kira-kira 149 juta
dan 90 juta pengunjung unik A.S. per bulan. Menurut situs video sharing YouTube, 5 lebih dari 4
miliar video dilihat per hari, dan 60 jam video diunggah setiap menit Situs berbagi gambar
Flickr, 6 sampai dengan Agustus 2011, host lebih dari 6 miliar gambar foto. Wikipedia7 berbasis
web, kolaboratif, dan multibahasa7 host lebih dari 20 juta artikel menarik lebih dari 365 juta
pembaca