Berikut silabus 20 sesi @ 1,5 jam untuk “Analisis Pola Perilaku Pengguna Media Sosial dengan DBSCAN Berbasis Python” — lengkap dari teori, persiapan data, implementasi, evaluasi, hingga visualisasi hasil.
Level: Intermediate → Advanced
Sesi 1 – Pengenalan Proyek dan Konsep Clustering
-
Latar belakang & urgensi analisis perilaku pengguna media sosial
-
Konsep dasar Unsupervised Learning
-
Perbandingan Clustering: K-Means, Hierarchical, DBSCAN
-
Studi kasus yang akan digunakan
Sesi 2 – Teori Dasar DBSCAN
-
Konsep Density-Based Spatial Clustering
-
Parameter utama: eps dan min_samples
-
Kelebihan & kelemahan DBSCAN
-
Contoh visualisasi konsep core point , border point , noise
Sesi 3 – Persiapan Lingkungan Python
-
Instalasi Python dan Anaconda
-
Instalasi library: numpy , pandas , scikit-learn , matplotlib , seaborn , nltk
-
Pengaturan working directory
Sesi 4 – Pengenalan Dataset Media Sosial
-
Sumber dataset (Twitter API, Facebook Graph API, atau dataset publik)
-
Struktur data: kolom user, teks, waktu, interaksi (like, share, comment)
-
Penyusunan skema penyimpanan data
Sesi 5 – Pengambilan Data Media Sosial
-
Menggunakan Twitter API dengan tweepy
-
Filter data berdasarkan kata kunci & waktu
-
Penyimpanan data ke CSV/JSON
Sesi 6 – Pembersihan Data Awal
-
Menghapus data duplikat
-
Menghapus akun bot/spam
-
Normalisasi kolom waktu dan zona waktu
Sesi 7 – Text Preprocessing
-
Tokenization



