Universitas Gadjah Mada, [26] V. K. Singh, R. Piryani, A. Uddin, P. Waila, and Marisha, Sentiment analysis of textual reviews; Evaluating
|
|
- Liana Santoso
- 6 tahun lalu
- Tontonan:
Transkripsi
1 DAFTAR PUSTAKA [1] A. Na im and J. Hartono, The Effect Of Antitrust Investigations On The Management Of Earnings: A Further Empirical Test Of Political Cost Hypothesis, Kelola, vol. 5, no. 1996, [2] E. Elisabeth Sinaga, K. Titiek, and Y. Mirza, GOLONGAN PUTIH (GOLPUT) DALAM PEMILU LEGISLATIF 2009 DI KOTA BENGKULU, ut, Fakultas Ilmu Sosial Dan Ilmu Politik UNIB, [3] M. Yahya, SEJARAH PERKEMBANGAN DEMOKRASI, KARYA Ilm. Mhs. S1 Sist. Inf., vol. 0, no. 0, Nov [4] Pesta Rakyat di pelantikan Jokowi-Jusuf Kalla, merdeka.com. [Online]. [Accessed: 16-Nov-2014]. [5] Jokowi, Sang Pemimpin Fenomenal, nasional.inilah.com. [Online]. [6] P. J. R. B. Tips and T. says, Profil Jokowi I Biodata Lengkap Joko Widodo Dunia Baca dot Com.. [7] Berita Dunia: Jokowi, Presiden Terpilih Pertama yang Tak Terkait Soeharto, beritasatu.com. [Online]. [8] Indonesia Baru yang Munafik (Jokowi-JK), KOMPASIANA.com. [Online]. [9] Kandunk, Jadi Penipu, Jokowi Belajar Sama Siapa Ya?, Silontong.com: Berita dan Ulasan Menarik.. [10] L. Muflikhah, SENTIMENT ANALYSIS PADA REVIEW BARANG BERBAHASA INDONESIA DENGAN METODE K-NEAREST NEIGHBOR (K-NN). [Online]. [Accessed: 03-Sep-2014]. [11] B. Pang and L. Lee, Movie Review Data, Movie Review Data. [Online]. [Accessed: 27-Dec-2014]. [12] J. Skinner, Searching databases tips to save you time when finding information, A guide to effective database searching, Sep [Online]. [Accessed: 06-Jan-2015]. [13] B. Pang and L. Lee, Opinion Mining and Sentiment Analysis, Found Trends Inf Retr, vol. 2, no. 1 2, pp , Jan [14] J. Blitzer, Domain adaptation for sentiment classification. [Online]. [Accessed: 1
2 03-Sep-2014]. [15] V. L. Sauter, Decision Support Systems for Business Intelligence. John Wiley & Sons, [16] S. Rahmawati, SELFIE: PERANAN JENIS KOMENTARTERHADAP HUBUNGAN ANTARA KECEMASAN SOSIAL DAN PERILAKU AGRESIF PELAKU SELFIE, psikologi.ub.ac.id. [Online]. content/uploads/2014/11/sartika- Rahmawati_ _Psikologi_Jurnal.pdf. [Accessed: 25-Nov- 2014]. [17] G. Agung, PERANCANGAN DAN IMPLEMENTASI SISTEM KLASIFIKASI KOMENTAR DENGAN ALGORITMA NAÏVE BAYES CLASIFIER, [Online]. al%20ta.docx. [Accessed: 25-Nov-2014]. [18] N. Adiyasa, Sentiment Analysis Menggunakan Pendekatan Lexicon- Based, Catatan Kecil. [Online]. [Accessed: 02-Dec-2014]. [19] sastrawi/sastrawi, GitHub. [Online]. [Accessed: 11-Nov-2014]. [20] F. Z. Tala, A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia, [Online]. &q=a+study+of+stemming+effects+on+information+retrieval+in+bahasa+ Indonesia&type=&ts=&ref=&gws_rd=ssl. [Accessed: 29-Dec-2014]. [21] P. Palanisamy, Serendio: Simple and Practical lexicon based approach to Sentiment Analysis - Google Cendekia. [Online]. tical+lexicon+based+approach+to+sentiment+analysis&hl=id&as_sdt=0,5. [22] J. K. Wibisono and M. S. Drs. Edi Winarko, OPINION MINING PADA TWITTER UNTUK BAHASA INDONESIA DENGAN METODE SUPPORT VECTOR MACHINE DAN METODE BERBASIS LEXICON, Universitas Gadjah Mada, [23] Samsung, RIM Digugat karena Gunakan Emoticons, KOMPASIANA.com. [Online]. [24] J. Read, Using emoticons to reduce dependency in machine learning techniques for sentiment classification, Proceedings of the ACL Student Research Workshop. [Online]. [Accessed: 24-Feb- 2015]. [25] A. F. Hidayatullah and M. T. Dr. Azhari SN, ANALISIS SENTIMEN DAN KLASIFIKASI KATEGORI TERHADAP TOKOH PUBLIK PADA DATA TWITTER MENGGUNAKAN NAIVE BAYES CLASSIFIER, 2
3 Universitas Gadjah Mada, [26] V. K. Singh, R. Piryani, A. Uddin, P. Waila, and Marisha, Sentiment analysis of textual reviews; Evaluating machine learning, unsupervised and SentiWordNet approaches, in th International Conference on Knowledge and Smart Technology (KST), 2013, pp [27] Quadratic Programming MATLAB. [Online]. [Accessed: 07-Dec-2014]. [28] D. Kerami and H. Murfi, Kajian Kemampuan Generalisasi Support Vector Machine dalam Pengenalan Jenis Splice Sites Pada Barisan DNA, 03- Dec [Online]. [Accessed: 08-Mar-2015]. [29] G. Holmes, A. Donkin, and I. H. Witten, WEKA: a machine learning workbench, in Proceedings of the 1994 Second Australian and New Zealand Conference on Intelligent Information Systems,1994, 1994, pp [30] E. Frank, M. Hall, L. Trigg, G. Holmes, and I. H. Witten, Data mining in bioinformatics using Weka, Bioinformatics, vol. 20, no. 15, pp , Oct [31] metode naive bayes sentiment analysis - Google Cendekia. [Online]. s&btng=&hl=id&as_sdt=0%2c5. [Accessed: 17-Nov-2014]. [32] M. Merina, Klasifikasi Dokumen Beropini Me nggunakan Metode Naive Bayes dan Metode Categorical Pr oportional Difference, Klasifikasi Dok. Beropini Me Nggunakan Metode Naive Bayes Dan Metode Categ. Pr Oportional Differ., [33] metode knn sentiment analysis - Google Cendekia. [Online]. =&hl=id&as_sdt=0%2c5. [Accessed: 17-Nov-2014]. [34] metode multinomial naive bayes sentiment analysis - Google Cendekia. [Online]. iment+analysis&btng=&hl=id&as_sdt=0%2c5. [Accessed: 17-Nov-2014]. [35] V. Narayanan, I. Arora, and A. Bhatia, Fast and Accurate Sentiment Classification Using an Enhanced Naive Bayes Model, in Intelligent Data Engineering and Automated Learning IDEAL 2013, H. Yin, K. Tang, Y. Gao, F. Klawonn, M. Lee, T. Weise, B. Li, and X. Yao, Eds. Springer Berlin Heidelberg, 2013, pp [36] W. Zheng and Q. Ye, Sentiment Classification of Chinese Traveler Reviews by Support Vector Machine Algorithm, in Third International Symposium on Intelligent Information Technology Application, IITA 2009, 2009, vol. 3, pp [37] A. Shoukry and A. Rafea, Sentence-level Arabic sentiment analysis, in 2012 International Conference on Collaboration Technologies and Systems (CTS), 2012, pp
4 [38] A. Balahur and M. Turchi, Comparative Experiments for Multilingual Sentiment Analysis Using Machine Translation. [Online]. ceur-ws.org/vol-917/sdad2012_8_balahur.pdf. [Accessed: 07- Dec-2014]. [39] M. Choy, M. L. F. Cheong, M. N. Laik, and K. P. Shung, A sentiment analysis of Singapore Presidential Election 2011 using Twitter data with census correction, ArXiv Cs Stat, Aug [40] A. Ceron, L. Curini, S. M. Iacus, and G. Porro, Every tweet counts? How sentiment analysis of social media can improve our knowledge of citizens political preferences with an application to Italy and France, New Media Soc., p , Apr [41] S. Rill, D. Reinel, J. Scheidt, and R. V. Zicari, PoliTwi: Early detection of emerging political topics on twitter and the impact on conceptlevel sentiment analysis, Knowl.-Based Syst., vol. 69, pp , Oct [42] D. J. Hopkins and G. King, A Method of Automated Nonparametric Content Analysis for Social Science, Am. J. Polit. Sci., vol. 54, no. 1, pp , Jan [43] NoSQL Database Model untuk Social Network dan web 2.0. [Online]. Network_dan_web_2.0. [Accessed: 06-Jan-2015]. [44] University of Reading. [Online]. [Accessed: 06-Jan- 2015]. [45] C. R. Hildreth, The use and understanding of keyword searching in a university online catalog, Inf. Technol. Libr., vol. 16, no. 2, pp , [46] P. Ensor, User Practices in Keyword and Boolean Searching on an Online Public Access Catalog, Inf. Technol. Libr., vol. 11, no. 3, pp , Jan [47] P. Ensor, Knowledge Level of Users and Nonusers of Keyword/Boolean Searching on an Online Public Access Catalog, RQ, vol. 32, no. 1, pp , Oct [48] R. A. Sit, Online library catalog search performance by older adult users, Libr. Inf. Sci. Res., vol. 20, no. 2, pp , [49] Nigel Ford, David Miller, and Nicola Moss, Web search strategies and retrieval effectiveness: an empirical study, J. Doc., vol. 58, no. 1, pp , Feb [50] U. Fayyad, G. Piatetsky-Shapiro, and P. Smyth, From Data Mining to Knowledge Discovery in Databases, AI Mag., vol. 17, no. 3, p. 37, Mar [51] ARTIKEL ILMIAH ALGORITMA SUPPORT VECTOR MACHINE UNTUK MEMPREDIKSI RENTET WAKTU HARGA DAGING AYAM BROILER DAN TELUR AYAM BROILER PROGRAM PASCA SARJANA MAGISTER TEKNIK INFORMATIKA UNIVERSITAS DIAN NUSWANTORO SEMARANG [Online]. 4
5 PPORT_VECTOR_MACHINE_UNTUK_MEMPREDIKSI_RENTET_WAK TU_HARGA_DAGING_AYAM_BROILER_DAN_TELUR_AYAM_BROIL ER_PROGRAM_PASCA_SARJANA_MAGISTER_TEKNIK_INFORMATI KA_UNIVERSITAS_DIAN_NUSWANTORO_SEMARANG_2014. [Accessed: 27-Nov-2014]. [52] V. Moertini, Data Mining Sebagai Solusi Bisnis, Data Mining Sebagai Solusi Bisnis. [Online]. le%20pdf/idatamining_ok.pdf. [Accessed: 02-Dec-2014]. [53] N. M. Huda, Aplikasi Data Mining Untuk Menampilkan Informasi Tingkat Kelulusan Mahasiswa (Studi Kasus di Fakultas MIPA Universitas Diponegoro), other, FACULTY OF MATHEMATICS AND NATURAL SCIENCES, [54] N. S. YUDA, Data Mining Menggunakan Algoritma Naïve Bayes Untuk Klasifikasi Kelulusan Mahasiswa Universitas Dian Nuswantoro. ( Studi Kasus: Fakultas Ilmu Komputer Angkatan 2009 )., SkripsiFakultas Ilmu Komput., [55] B. Warsito, D. Ispriyanti, and H. Widayanti, CLUSTERING DATA PENCEMARAN UDARA SEKTOR INDUSTRI DI JAWA TENGAH DENGAN KOHONEN NEURAL NETWORK, J. PRESIPITASI, vol. 4, no. 1, pp. 1 6, Mar [56] N. D. Putranti and E. Winarko, Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine, IJCCS - Indones. J. Comput. Cybern. Syst., vol. 8, no. 1, pp , Jan [57] K. Denecke, Using SentiWordNet for multilingual sentiment analysis, pp , [58] Thumbs Up Sentiment Classification using Machine Learning Techniques - Sentiment Analysis. [Online]. ificationusingmachinelearningtechniques. [Accessed: 04-Oct-2014]. [59] H. Eldira, E. M. K, and N. R. MUBTADAI, WEB MINING UNTUK PENCARIAN DOKUMEN BAHASA INGGRIS MENGGUNAKAN HILL CLIMBING AUTOMATIC CLUSTERING, EEPIS Final Proj., [60] sastrawi/sastrawi, GitHub. [Online]. [Accessed: 03-Dec-2014]. [61] sastrawi/sastrawi, GitHub. [Online]. [Accessed: 03-Dec-2014]. [62] ivanlanin/kateglo, GitHub. [Online]. [Accessed: 03-Dec-2014]. [63] B. Nazief and M. Adriani, Algoritma Nazief dan Adriani. [Online]. agusdwi89.web.ugm.ac.id/ir/stemming.pdf. [Accessed: 03-Dec- 2014]. [64] H. Februariyanti, E. Zuliarso, and M. S. Utomo, PROTOTIPE MESIN PENCARI DOKUMEN TEKS, 18-Aug [Online]. [Accessed: 03-Dec-2014]. 5
6 [65] N. Kurniawan, IMPLEMENTASI D AN ANALISIS STEMMING MENGGUNAKAN N-GRAM DALAM SISTEM INFORMATION RETRIEVAL, telkomuniversity.ac.id. [Online]. 04_752db621a8686c3a5dd1af327f0d862f.pdf. [Accessed: 03-Dec-2014]. [66] T. Putra, Klasifikasi Severity Dari Bug Untuk Proyek Perangkat Lunak, narotama.ac.id. [Online]. SEVERITY%20DARI%20BUG%20UNTUK%20PROYEK%20PERANGKA T%20LUNAK.pdf. [Accessed: 03-Dec-2014]. [67] P. Pandu, Kamus Kata Dasar dan Stopword List Bahasa Indonesia, Kamus Kata Dasar dan Stopword List Bahasa Indonesia. [Online]. [Accessed: 03-Dec-2014]. [68] A. Aggarwal, A. Rajadesingan, and P. Kumaraguru, PhishAri: Automatic realtime phishing detection on twitter, in ecrime Researchers Summit (ecrime), 2012, 2012, pp [69] Twitter, Mashable. [Online]. [Accessed: 29-Nov-2014]. [70] S. G. Mazman and Y. K. Usluel, Modeling educational usage of Facebook, Comput. Educ., vol. 55, no. 2, pp , Sep [71] M. Zhou, L. Lei, J. Wang, W. Fan, and A. G. Wang, Social Media Adoption and Corporate Disclosure, J. Inf. Syst., Oct [72] K. Wallsten, Beyond Agenda Setting: The Role of Political Blogs as Sources in Newspaper Coverage of Government, in th Hawaii International Conference on System Sciences (HICSS), 2011, pp [73] I. Purba, Metode Holistic Lexicon-Based untuk Analisis Sentimen pada Dokumen Bahasa Indonesia (Studi Kasus: Tweets mengenai Isu Sosial Kota Bandung), cdndata.telkomuniversity.ac.id. [Online]. 32_6183cc0a752d0be16e529dbe95209f40.pdf. [Accessed: 01-Dec-2014]. [74] E. H. Kristanto, USING KAKAO TALK S EMOTICON FLASH CARDS TO IMPROVE THE SPEAKING SKILL OF THE ELEVENTH GRADERS OF SMAN 4 BLITAR, SKRIPSI Jur. Sastra Ingg. - Fak. Sastra UM, vol. 2014, no. 2014, Oct [75] M. Boia, B. Faltings, C.-C. Musat, and P. Pu, A :) Is Worth a Thousand Words: How People Attach Sentiment to Emoticons and Words in Tweets, in 2013 International Conference on Social Computing (SocialCom), 2013, pp [76] M. Choy, M. L. F. Cheong, M. N. Laik, and K. P. Shung, A sentiment analysis of Singapore Presidential Election 2011 using Twitter data with census correction, ArXiv Cs Stat, Aug [77] Tentang Jokowi Jokowi Center.. [78] Y. Thayrun, Jokowi: Pemimpin Rakyat Berjiwa Rocker. NouraBooks, [79] Y. P. M. A. (YAPAMA), Tabloid Reformata Edisi 175 Mei
7 Yayasan Pelayanan Media Antiokhia (YAPAMA), [80] C. Darujati, Pemanfaatan Teknik Supervised untuk Klasifikasi Teks Bahasa Indonesia, narotama.ac.id. [Online]. Link%20Vol%2016%20February% pdf. [Accessed: 03-Dec-2014]. [81] A. Nurani, Implementasi naïve bayes classifier pada program bantu penentuan buku referensi matakuliah, ukdw.ac.id. [Online]. [Accessed: 03-Dec-2014]. [82] J. Platt, Sequential minimal optimization: A fast algorithm for training support vector machines, msr-waypoint.com. [Online]. [Accessed: 04-Dec- 2014]. [83] E. Purwanto, Perbandingan Strategi Replikasi Pada sistem basis data terdistribusi, binadarma.ac.id. [Online]. TEGI%20REPLIKASI%20PADA%20SISTEM%20BASIS%20DATA%20TE RDISTRIBUSI.pdf. [Accessed: 06-Dec-2014]. [84] B. Santosa, Tutorial Support Vector Machine, Ambil Berkas. [Online]. oc.its.ac.id/ambilfile.php?idp=1223. [Accessed: 03-Feb- 2015]. [85] A. M. Zamani, B. Amaliah, and A. Munif, Implementasi Algoritma Genetika pada Struktur Backpropagation Neural Network untuk Klasifikasi Kanker Payudara, J. Tek. ITS, vol. 1, no. 1, pp. A222 A227, Sep
ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM. Oleh:
Jurnal Dinamika Informatika Volume 5, Nomor 1, November 2015 ANALISIS SENTIMEN DATA PRESIDEN JOKOWI DENGAN PREPROCESSING NORMALISASI DAN STEMMING MENGGUNAKAN METODE NAIVE BAYES DAN SVM Oleh: Nurirwan Saputra
Lebih terperinciANALISIS SENTIMEN DATA KRITIK DAN SARAN PELATIHAN APLIKASI TEKNOLOGI INFORMASI (PATI) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE
ANALISIS SENTIMEN DATA KRITIK DAN SARAN PELATIHAN APLIKASI TEKNOLOGI INFORMASI (PATI) MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE LAPORAN TUGAS AKHIR Diajukan untuk Memenuhi Persyaratan Guna Meraih Gelar
Lebih terperinciBandung, Indonesia Bandung, Indonesia
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6353 Analisis dan Implementasi Pengklasifikasian Pesan Singkat pada Penyaringan SMS Spam Menggunakan Algoritma Multinomial Naïve
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI USER BERDASARKAN TWEET
IMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI USER BERDASARKAN TWEET TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Lebih terperinciDETEKSI SUBJEKTIFITAS TEKS BERBAHASA INDONESIA MENGGUNAKAN METODE LEXICON RULE BASED
DETEKSI SUBJEKTIFITAS TEKS BERBAHASA INDONESIA MENGGUNAKAN METODE LEXICON RULE BASED Tugas Akhir Diajukan Untuk Memenuhi Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Liu opini merupakan pernyataan subyektif yang mencerminkan sentimen orang atau persepsi tentang entitas dan peristiwa [1]. Opini atau pendapat orang lain terhadap
Lebih terperinciIMPLEMENTASI TWITTER SENTIMENT ANALYSIS UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE
Jurnal Informatika Polinema ISSN: 2407-070X IMPLEMENTASI TWITTER SENTIMENT ANALYSIS UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE Faisal Rahutomo 1, Pramana Yoga Saputra 2, Miftahul Agtamas
Lebih terperinciPERBANDINGAN KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN METODE NAÏVE BAYES DENGAN K-NEAREST NEIGHBOR. Abstrak
ISSN 1858 4667 JURNAL LINK Vol 13/No.1/Januari 2010 PERBANDINGAN KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN METODE NAÏVE BAYES DENGAN K-NEAREST NEIGHBOR Cahyo Darujati Fakultas Ilmu Komputer, Universitas Narotama
Lebih terperinciBAB I PENDAHULUAN. untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan
1 BAB I PENDAHULUAN 1.1 Latar Belakang Pesatnya perkembangan media sosial menawarkan pengguna kesempatan untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan tidak lagi memiliki
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Opini adalah pendapat pribadi yang tidak obyektif dan tidak melalui proses verifikasi (Quirk et al., 1985). Opini orang lain tentang suatu hal menjadi penting dalam
Lebih terperinciANALISIS PERBANDINGAN IMPLEMENTASI KERNEL PADA LIBRARY LibSVM UNTUK KLASIFIKASI SENTIMEN MENGGUNAKAN WEKA
ANALISIS PERBANDINGAN IMPLEMENTASI KERNEL PADA LIBRARY LibSVM UNTUK KLASIFIKASI SENTIMEN MENGGUNAKAN WEKA Prawidya Destarianto 1, Wahyu Kurnia Dewanto 2, Hermawan Arief Putranto 3 1,2,3 Jurusan, Teknologi
Lebih terperinciPENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU
PENERAPAN DECISION TREE UNTUK PENENTUAN POLA DATA PENERIMAAN MAHASISWA BARU Aradea, Satriyo A., Ariyan Z., Yuliana A. Teknik Informatika Universitas Siliwangi Tasikmalaya Ilmu Komputer Universitas Diponegoro
Lebih terperinciDAFTAR PUSTAKA. [2] D. Laney, META Delta, Appl. Deliv. Strateg., vol. 949, no. February 2001, p. 4, 2001.
DAFTAR PUSTAKA [1] B. J. Jansen, M. Zhang, K. Sobel, and A. Chowdury, Micro-blogging as online word of mouth branding, Proc. 27th Int. Conf. Ext. Abstr. Hum. factors Comput. Syst. CHI EA 09, vol. 1960,
Lebih terperinciDETEKSI KESESUAIAN BIDANG MINAT TERHADAP PROPOSAL TUGAS AKHIR MAHASISWA STUDI KASUS : MAHASISWA SI UKDW
DETEKSI KESESUAIAN BIDANG MINAT TERHADAP PROPOSAL TUGAS AKHIR MAHASISWA STUDI KASUS : MAHASISWA SI UKDW Nia Meliana Umi Proboyekti, Jong Jek Siang Abstrak Pembuatan tugas akhir mahasiswa diharapkan sesuai
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perkembangan teknologi juga diikuti dengan berkembangnya penggunaan berbagai situs jejaring sosial. Salah satu jejaring sosial yang sangat marak digunakan
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang website adalah salah satu layanan yang bisa digunakan untuk melakukan pencarian berbagai informasi, sehingga sangat dibutuhkan untuk keperluan pengguna dalam pencarian
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI OPINI PADA DATA TWITTER DENGAN EKSPASI QUERY MENGGUNAKAN PENDEKATAN SINONIM
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI OPINI PADA DATA TWITTER DENGAN EKSPASI QUERY MENGGUNAKAN PENDEKATAN SINONIM Laporan Tugas Akhir Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata
Lebih terperinciFEATURE SELECTION UNTUK KLASIFIKASI TEKS DENGAN MEKANISME WITHIN CLASS POPULARITY(WCP)
FEATURE SELECTION UNTUK KLASIFIKASI TEKS DENGAN MEKANISME WITHIN CLASS POPULARITY(WCP) Ratna Pertiwi¹, Deni Saepudin², Intan Nurma Yulita³ ¹Teknik Informatika,, Universitas Telkom Abstrak Berkembangnya
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK EKSTRAKSI KALIMAT OPINI PADA ARTIKEL BERBAHASA INDONESIA. Tugas Akhir
IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK EKSTRAKSI KALIMAT OPINI PADA ARTIKEL BERBAHASA INDONESIA Tugas Akhir Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Situs belanja online sering disebut juga dengan situs e-commerce yaitu suatu proses membeli dan menjual produk-produk secara elektronik oleh konsumen dan dari perusahaan
Lebih terperinciVersi Online tersedia di : JURNAL TECH-E (Online)
JURNAL TECH-E - VOL. 1 NO. 1 (2017) Versi Online tersedia di : http://bsti.ubd.ac.id/e-jurnal JURNAL TECH-E 2581-116 (Online) Artikel Perancangan Aplikasi Prediksi Kelulusan Mahasiswa Tepat Waktu Pada
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Apa yang orang lain pikirkan telah menjadi sesuatu yang penting untuk menjadi pertimbangan dalam pengambilan keputusan (Pang and Lee, 2006). Sesuatu yang orang lain
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Seiring berkembangnya teknologi informasi saat ini maka berkembang pula perangkat perangkat yang mendukung guna akses informasi yang semakin dibutuhkan dalam waktu
Lebih terperinciANALISIS SENTIMEN PADA TWITTER TERHADAP JASA TRANSPORTASI ONLINE DI INDONESIA DENGAN METODE SUPPORT VECTOR MECHINE
DRAFT JURNAL ANALISIS SENTIMEN PADA TWITTER TERHADAP JASA TRANSPORTASI ONLINE DI INDONESIA DENGAN METODE SUPPORT VECTOR MECHINE SENTIMENT ANALYSIS FOR TWITTER ABOUT ONLINE INDONESIAN TRANSPORTATION WITH
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar belakang
BAB I PENDAHULUAN 1.1 Latar belakang Dalam beberapa tahun terakhir teknologi informasi dan telekomunikasi berkembang dengan pesat. Masyarakat mendapatkan manfaat dari tekonologi informasi dan telekomunikasi
Lebih terperinciKLASIFIKASI DOKUMEN REPOSITORY SECARA OTOMATIS MENGGUNAKAN METODE BAYESIAN NETWORK
Lukman Syafie / JUPITER Volume XV No.2 (2016) 109 KLASIFIKASI DOKUMEN REPOSITORY SECARA OTOMATIS MENGGUNAKAN METODE BAYESIAN NETWORK Lukman Syafie Staf Pengajar Teknik Informatika, Fakultas Ilmu Komputer
Lebih terperinciEKSTRAKSI OPINION HOLDER MENGGUNAKAN METODE MAXIMUM ENTROPY PADA KALIMAT OPINI BERBAHASA INDONESIA
EKSTRAKSI OPINION HOLDER MENGGUNAKAN METODE MAXIMUM ENTROPY PADA KALIMAT OPINI BERBAHASA INDONESIA TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciKLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING
KLASIFIKASI PROSES BUSINESS DATA MAHASISWA UNIVERSITAS KANJURUHAN MALANG MENGGUNAKAN TEKNIK DATA MINING Moh Ahsan Universitas Kanjuruhan Malang ahsan@unikama.ac.id ABSTRAK. Universitas Kanjuruhan Malang
Lebih terperinciUji Perbandingan Akurasi Analisis Sentimen Pariwisata menggunakan Algoritma Support Vektor Machine dan Naive Bayes
Uji Perbandingan Akurasi Analisis Sentimen Pariwisata menggunakan Algoritma Support Vektor Machine dan Naive Bayes Tesis Diajukan kepada Fakultas Teknologi Informasi Untuk Memperoleh Gelar Master of Computer
Lebih terperinciBab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
Bab 1 PENDAHULUAN 1.1 Latar Belakang Masalah Semakin hari semakin banyak inovasi, perkembangan, dan temuan-temuan yang terkait dengan bidang Teknologi Informasi dan Komputer. Hal ini menyebabkan semakin
Lebih terperinciRENCANA PEMBELAJARAN SEMESTER (RPS)
RENCANA PEMBELAJARAN SEMESTER (RPS) CIG4A3 Pembelajaran Mesin Disusun oleh: Agung Toto Wibowo Said Al Faraby PROGRAM STUDI S1 TEKNIK INFORMATIKA FAKULTAS INFORMATIKA TELKOM UNIVERSITY LEMBAR PENGESAHAN
Lebih terperinciAbstrak. Arie Wahyu Wijayanto Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung
Desain Sistem Terintegrasi Analisis Persepsi Publik pada Media Sosial Berbasis Internet of Thing untuk Pendukung e-government Studi Kasus : Badan Pusat Statistik Arie Wahyu Wijayanto Sekolah Teknik Elektro
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini smartphone telah berevolusi menjadi komputer pribadi kecil dan portabel yang memungkinkan pengguna untuk melakukan penjelajahan internet, mengirim e-mail
Lebih terperinciSATUAN ACARA PERKULIAHAN UNIVERSITAS GUNADARMA
Mata Kuliah Kode / SKS Program Studi Fakultas : Konsep Data Mining : IT012274 / 2 SKS : Sistem Komputer : Ilmu Komputer & Teknologi Informasi 1 Pengenalan RDBMS 2 SQL Mahasiswa dapat mnegrti dan memahami
Lebih terperinciANALISIS SENTIMEN PADA SOSIAL MEDIA TWITTER TERHADAP POLITIK DI INDONESIA MENGGUNAKAN TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 ANALISIS SENTIMEN PADA SOSIAL MEDIA TWITTER TERHADAP POLITIK DI INDONESIA MENGGUNAKAN TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER Rezki Syaputra
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pendidikan merupakan salah satu aspek penting di dalam kehidupan. Oleh karena itu, pendidikan mendapat perhatian besar dalam kehidupan masyarakat dan negara. Pendidikan
Lebih terperinciIMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISA SENTIMEN PADA KALIMAT OPINI BERBAHASA INDONESIA TUGAS AKHIR
IMPLEMENTASI ALGORITMA SUPPORT VECTOR MACHINE (SVM) UNTUK ANALISA SENTIMEN PADA KALIMAT OPINI BERBAHASA INDONESIA TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Selain sebagai media komunikasi, Twitter memberikan akses bagi pihak ketiga yang ingin mengembangkan aplikasi yang memanfaatkan layanannya melalui Twitter API. Salah
Lebih terperinciBAB I PENDAHULUAN. dengan lingkungan sosialnya pengguna social media seringkali menceritakan
BAB I PENDAHULUAN 1.1 Latar Belakang Social media merupakan salah satu tren yang berkembang di masyarakat sebagai tempat untuk berinteraksi. Selain untuk berinteraksi dengan lingkungan sosialnya pengguna
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Penelitian terdahulu sangat penting bagi penulis untuk mengetahui referensi dan hubungan antara penelitian terdahulu dengan penelitian yang dilakukan saat ini, sehingga hal duplikasi
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan media online mendorong munculnya informasi tekstual yang tidak terbatas, sehingga muncul kebutuhan penyajian tanpa mengurangi nilai dari informasi tersebut.
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN PENEMPATAN JURUSAN MAHASISWA BARU MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Cogito Smart Journal/VOL. 1/NO. 1/DESEMBER 2015IJCCS ISSN: 1 97 55 SISTEM PENDUKUNG KEPUTUSAN PENEMPATAN JURUSAN MAHASISWA BARU MENGGUNAKAN METODE K-NEAREST NEIGHBOR Ratih Kumalasari Niswatin 1) Teknik
Lebih terperinciSENTIMENT ANALYSIS TOKOH POLITIK PADA TWITTER
SENTIMENT ANALYSIS TOKOH POLITIK PADA TWITTER Agung Pramono 1, Rini Indriati 2, Arie Nugroho 3, 1,2,3 Sistem Informasi, Fakultas Teknik, Universitas Nusantara PGRI Kediri E-mail: 1 pramonoagung0741@gmail.com,
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Data Mining Data mining adalah proses menganalisa data dari perspektif yang berbeda dan menyimpulkannya menjadi informasi-informasi penting yang dapat dipakai untuk meningkatkan
Lebih terperinciKLASIFIKASI KALIMAT TANYA BERDASARKAN TAKSONOMI BLOOM MENGGUNAKAN SUPPORT VECTOR MACHINE TUGAS ASKHIR
KLASIFIKASI KALIMAT TANYA BERDASARKAN TAKSONOMI BLOOM MENGGUNAKAN SUPPORT VECTOR MACHINE TUGAS ASKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN Metodologi penelitian merupakan rangkaian dari langkah-langkah yang diterapkan dalam penelitian, secara umum dan khusus langkah-langkah tersebut tertera pada Gambar flowchart
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Perkembangan dunia telekomunikasi meningkat secara signifikan dalam kurun waktu satu dekade terahir. Tidak hanya dari segi jumlah pengguna, jenis layanan yang ditawarkanpun
Lebih terperinciMETODE KLASIFIKASI DENGAN ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI PENJURUSAN SMA TERANG BANGSA
Techno.COM, Vol. 15, No. 3, Agustus 216: 195-2 METODE KLASIFIKASI DENGAN ALGORITMA NAÏVE BAYES UNTUK REKOMENDASI PENJURUSAN SMA TERANG BANGSA Andrew Yova Kencana 1, Setia Astuti 2 1,2 Jurusan Teknik Ilmu
Lebih terperinciAnalisis Sentimen Pada Data Twitter dengan Menggunakan Text Mining terhadap Suatu Produk
Analisis Sentimen Pada Data Twitter dengan Menggunakan Text Mining terhadap Suatu Produk Eka Retnawiyati 1, Fatoni, M.M.,M.Kom 2., Edi Surya Negara, M.Kom 3 1) Mahasiswa Informatika Universitas Bina Darma
Lebih terperinciPERBANDINGAN ALGORITMA STEMMING PADATEKS BAHASA INDONESIA
PERBANDINGAN ALGORITMA STEMMING PADATEKS BAHASA INDONESIA Sigit Prasetyo Karisma Utomo 1, Ema Utami 2, Andi Sunyoto 3 1,2,3 Magister Teknik Informatika STMIK AmikomYogyakarta e-mail: 1 aku@sigitt.com,
Lebih terperinciOleh: ARIF DARMAWAN NIM
APLIKASI PENGKLASIFIKASIAN DOKUMEN INFO PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Lebih terperinciPerbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor
Perbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor Yusra 1, Dhita Olivita 2, Yelfi Vitriani 3 1,2,3 Jurusan Teknik
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciOPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA
OPTIMASI TEKNIK KLASIFIKASI MODIFIED K NEAREST NEIGHBOR MENGGUNAKAN ALGORITMA GENETIKA Optimization Techniques Modi ed k Nearest Neighbor Classi cation Using Genetic Algorithm Siti Mutro n 1, Abidatul
Lebih terperinciBAB 3 ANALISIS MASALAH DAN PERANCANGAN
BAB 3 ANALISIS MASALAH DAN PERANCANGAN 3.1 State of the Art Pada penelitian sebelumnya sudah ada yang menggunakan metode Stemming untuk preprocessing text dalam mengolah data pelatihan dan data uji untuk
Lebih terperinciKLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR
KLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh: KHOZINATUL
Lebih terperinciJURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG
KLASIFIKASI ENTERTAINER BERDASARKAN TWEET MENGGUNAKAN METODE SCORING BERBASIS LEXICON BASED TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciJULIO ADISANTOSO - ILKOM IPB 1
KOM341 Temu Kembali Informasi KULIAH #8 Text Classification (Manning, Ch.13, p.288/253) Ad Hoc Retrieval vs Standing Query User mencari informasi dengan memberikan satu atau lebih query terhadap koleksi
Lebih terperinciPENGUKURAN TINGKAT KEPOPULARITASAN PARTAI POLITIK DI INDONESIA BERDASARKAN DATA DARI TWITTER
PENGUKURAN TINGKAT KEPOPULARITASAN PARTAI POLITIK DI INDONESIA BERDASARKAN DATA DARI TWITTER TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah
Lebih terperinciIMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PEMASARAN DI BAGIAN HUMAS STMIK AMIKOM YOGYAKARTA
IMPLEMENTASI DATA MINING DENGAN NAIVE BAYES CLASSIFIER UNTUK MENDUKUNG STRATEGI PEMASARAN DI BAGIAN HUMAS STMIK AMIKOM YOGYAKARTA Erik Hadi Saputra 1), Burhan Alfironi Muktamar 2) 1), 2) Teknik Informatika
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Analisis sentimen merupakan proses dalam mengolah, memahami, dan mengekstrak data dalam bentuk teks terhadap suatu topik, kejadian ataupun individu untuk mendapatkan
Lebih terperinciDAFTAR PUSTAKA. Chowdary, K.R., 2012, Natural Language Processing, Dept. M.B.M. Engineering College, Jodhpur, India.
69 DAFTAR PUSTAKA Agarwal, A., Xie, B., Vovsha, I., Rambow, O., dan Passonneau, R., 2011, Sentiment Analysis of Twitter Data, Proceedings of the Workshop on Language in Social Media (LSM 2011), Portland,
Lebih terperinciANALISIS SENTIMEN TERHADAP OPINI PUBLIK MELALUI JEJARING SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES Alfarizy M. G. ( )
ANALISIS SENTIMEN TERHADAP OPINI PUBLIK MELALUI JEJARING SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES Alfarizy M. G. (0927050) Jurusan Sistem Komputer, Fakultas Teknik, Jalan Prof. Drg. Suria Sumantri
Lebih terperinciPemodelan Penilaian Essay Otomatis Secara Realtime Menggunakan Kombinasi Text Stemming Dan Cosine Similarity
Konferensi Nasional Sistem & Informatika 2017 STMIK STIKOM Bali, 10 Agustus 2017 Pemodelan Penilaian Essay Otomatis Secara Realtime Menggunakan Kombinasi Text Stemming Dan Cosine Similarity Komang Rinartha
Lebih terperinciJURNAL SENTIMENT ANALYSIS TOKOH POLITIK PADA TWITTER SENTIMENT ANALYSIS POLITICAL LEADERS IN TWITTER
JURNAL SENTIMENT ANALYSIS TOKOH POLITIK PADA TWITTER SENTIMENT ANALYSIS POLITICAL LEADERS IN TWITTER Oleh: AGUNG PRAMONO PUTRO 12.1.03.03.0276 Dibimbing oleh : 1. NURSALIM, S.Pd,. MH 2. ARIE NUGROHO, S.Kom.,
Lebih terperinciAgus Alim Muin S.Kom, M.Kom
Technologia Vol 7, No.4, Oktober Desember 2016 245 PENERAPAN SELEKSI ATRIBUT WEIGHTS BY INFORMATION GAIN DAN SELECT BY WEIGHTS PADA ALGORITMA NAÏVE BAYES UNTUK PREDIKSI KOLEKTIBILITAS PEMBIAYAAN USAHA
Lebih terperinciANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM
ANALISIS PENGGUNAAN ALGORITMA STEMMING VEGA PADA INFORMATION RETRIEVAL SYSTEM Lusianto Marga Nugraha¹, Arie Ardiyanti Suryani², Warih Maharani³ ¹Teknik Informatika,, Universitas Telkom Abstrak Stemming
Lebih terperinciPENGGUNAAN ALGORITMA KLASIFIKASI DALAM DATA MINING
PENGGUNAAN ALGORITMA KLASIFIKASI DALAM DATA MINING A ang Subiyakto Program Studi Sistem Informasi Fakultas Sains dan Teknologi UIN Jakarta Jl. Ir. H. Juanda No. 95 Ciputat Tangerang Banten 15412 E-mail:
Lebih terperinciDATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION)
DATA MINING UNTUK REKOMENDASI KERJA BAGI ALUMI DENGAN ALGORITMA GARC(GAIN BASED ASSOCIATION RULE CLASSIFICTION) Steffi Budi Fauziah¹, Shaufiah², Mahmud Dwi Suliiyo³ ¹Teknik Informatika,, Universitas Telkom
Lebih terperinciBAB I PENDAHULUAN. banyak informasi yang tersedia di internet, maka akan semakin sulit juga untuk
BAB I PENDAHULUAN 1.1. Latar Belakang Film merupakan salah satu media hiburan bagi masyarakat luas. Film sendiri dapat juga berarti sebuah industri, yang mengutamakan eksistensi dan ketertarikan cerita
Lebih terperinciBAB VI KESIMPULAN DAN SARAN
121 BAB VI KESIMPULAN DAN SARAN Pada bab ini dijelaskan mengenai beberapa kesimpulan yang didapat setelah melakukan serangkaian uji coba dan evaluasi terhadap aplikasi yang telah dibuat. Dalam bab ini
Lebih terperinciBAB I PENDAHULUAN. menggunakan teknologi yang disebut dengan internet. Hal ini, secara tidak
BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi informasi yang begitu pesat ini, banyak memberikan dampak positif maupun negatif khususnya di Indonesia. Dampak positifnya seperti, masyarakat
Lebih terperinci2. Tahapan Penelitian pemahaman merupakan awal proses penelitian
Metodologi Penelitian Rudi Susanto rudist87@gmail.com 086547296211 2. Tahapan Penelitian pemahaman merupakan awal proses penelitian Course Outline 1. Pengantar Penelitian 2. Tahapan Penelitian 3. Masalah
Lebih terperinciTEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL
TEMU KEMBALI INFORMASI BERDASARKAN LOKASI PADA DOKUMEN YANG DIKELOMPOKKAN MENGGUNAKAN METODE CENTROID LINKAGE HIERARCHICAL Nadia Damayanti 1, Nur Rosyid Mubtada i, S.Kom, M.Kom 2, Afrida Helen S.T, M.Kom
Lebih terperinciANALISIS SENTIMEN HATESPEECH PADA TWITTER DENGAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE
Jurnal Dinamika Informatika Volume 5, Nomor 2, September 2016 ISSN 1978-1660 ANALISIS SENTIMEN HATESPEECH PADA TWITTER DENGAN METODE Ghulam Asrofi Buntoro Program Studi Informatika Fakultas Teknik Universitas
Lebih terperinciMoch. Ali Machmudi 1) 1) Stmik Bina Patria
UJI PENGARUH KARAKTERISTIK DATASET PADA PERFORMA ALGORITMA KLASIFIKASI Moch. Ali Machmudi 1) 1) Stmik Bina Patria 1) Jurusan Manjemen Informatika-D3 Email : 1 aliadhinata@gmail.com 1) Abstrak Tujuan utama
Lebih terperinciPengolahan Data. Algoritma C4.5 Menghitung entropi : Data Training (75%) = 220 data Data Testing (25%) = 73 data
Algoritma C4.5 Menghitung entropi : engolahan Data Data Training (75%) = 220 data Data Testing (25%) = 73 data Entropi (y) = -p 1 log 2 p 1 p 2 log 2 p 2... p n log 2 p n Entropi IK -28/220*OG 2 (28/220)-156/220*OG
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Hipotesis
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Setiap matakuliah memiliki silabus perkuliahan yang berisi materi-materi mengenai matakuliah tersebut. Silabus disusun berdasarkan buku-buku referensi utama
Lebih terperinciKlasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification
IJCCS, Vol.7, No.1, January 2013, pp. 13~22 ISSN: 1978-1520 13 Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification Sandi Fajar Rodiyansyah* 1, Edi Winarko
Lebih terperinciPEMBANGUNAN TWEET AGGREGATOR DENGAN MENGGUNAKAN METODE NAÏVE BAYES
1 BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilaksanakannya penelitian, identifikasi masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. Latar
Lebih terperinciBUKU PANDUAN MINAT STUDI MAHASISWA PRODI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER 2012/2013
BUKU PANDUAN MINAT STUDI MAHASISWA PRODI TEKNIK INFORMATIKA FAKULTAS ILMU KOMPUTER 2012/2013 Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang 2012 1. Minat Studi Minat Studi Mahasiswa merupakan
Lebih terperinciPENERAPAN VECTOR SPACE MODEL UNTUK PERINGKASAN KOMENTAR ANGKET MAHASISWA
PENERAPAN VECTOR SPACE MODEL UNTUK PERINGKASAN KOMENTAR ANGKET MAHASISWA Suprianto 1), Sunardi 2), Abdul Fadlil 3) 1 Sistem Informasi STMIK PPKIA Tarakanita Rahmawati 2,3 Magister Teknik Informatika Universitas
Lebih terperinciPENGEMBANGAN METODE EKTRAKSI FITUR DALAM PENINGKATAN HASIL PERFORMA KLASIFIKASI SENTIMEN TWITTER
PENGEMBANGAN METODE EKTRAKSI FITUR DALAM PENINGKATAN HASIL PERFORMA KLASIFIKASI SENTIMEN TWITTER Amalia Anjani A. 1) dan Aris Tjahyanto 2) 1) Program Studi Magister Sistem Informasi, Institut Teknologi
Lebih terperinciDATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELULUSAN MAHASISWA UNIVERSITAS DIAN NUSWANTORO ABSTRAK
DATA MINING MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI KELULUSAN MAHASISWA UNIVERSITAS DIAN NUSWANTORO Oleh: Yuda Septian Nugroho Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN Bab ini akan menjelaskan latar belakang dari penelitian yang memberikan gambaran awal mengenai analisis sentimen dan perannya dalam perkembangan teknologi informasi. Tujuan dan ruang
Lebih terperinciBAB I PENDAHULUAN. penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan kemajuan teknologi yang sangat pesat ini sudah banyak aplikasi penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa disebut atau di artikan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi informasi yang sangat berkembang pesat saat sekarang ini membawa pengaruh dalam segala bidang kehidupan, mulai dari industri, ekonomi, kesehatan dan bidang
Lebih terperinciDAFTAR PUSTAKA. [1] F. Saeful and K. Acun, Rancang Bangun E-Marketplace Dengan Model Prototyping Pada Dinas Koperasi Dan UMKM Provinsi Jawa Tengah,
DAFTAR PUSTAKA [1] F. Saeful and K. Acun, Rancang Bangun E-Marketplace Dengan Model Prototyping Pada Dinas Koperasi Dan UMKM Provinsi Jawa Tengah, Skripsi Sist. Inf. Fak. Ilmu Komput. Univ. Dian Nuswantoro,
Lebih terperinciBAB 1 PENDAHULUAN. terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Perkembangan teknologi informasi telah mampu mengubah persepsi manusia terhadap peran sistem informasi dalam perusahaan sebagai bagian dari produktivitas.
Lebih terperinciPemanfaatan Educational Data Mining (EDM)...
PEMANFAATAN EDUCATIONAL DATA MINING (EDM) UNTUK MEMPREDIKSI MASA STUDI MAHASISWA MENGGUNAKAN ALGORITMA C4.5 (STUDI KASUS: TI-S1 UDINUS) Defri Kurniawan 1*, Wibowo Wicaksono 1 dan Yani Parti Astuti 1 1
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait Penelitian terkait dengan topik analisis sentimen cukup banyak, berikut beberapa penelitian yang tekait dengan analisa sentimen yang menggunakan seleksi
Lebih terperinciPERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI
Techno.COM, Vol. 15, No. 3, Agustus 2016: 241-245 PERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI Didik Srianto 1, Edy Mulyanto 2 1,2 Teknik Informatika,
Lebih terperinciIMPLEMENTASI ALGORITMA ID3 UNTUK KLASIFIKASI PERFORMANSI MAHASISWA (STUDI KASUS ST3 TELKOM PURWOKERTO)
IMPLEMENTASI ALGORITMA ID3 UNTUK KLASIFIKASI PERFORMANSI MAHASISWA (STUDI KASUS ST3 TELKOM PURWOKERTO) Andika Elok Amalia 1), Muhammad Zidny Naf an 2) 1), 2) Program Studi Informatika ST3 Telkom Jl D.I.
Lebih terperinciTEXT MINING DALAM ANALISIS SENTIMEN ASURANSI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER
F.7 TEXT MINING DALAM ANALISIS SENTIMEN ASURANSI MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER Luthfia Oktasari *, Yulison Herry Chrisnanto, Rezki Yuniarti Program Studi Informatika, Fakultas Matematika dan
Lebih terperinciBAB I PENDAHULUAN. ilmu tertentu dengan menggunakan kaidah-kaidah yang berlaku dalam bidang
BAB I PENDAHULUAN 1.1.Latar Belakang Masalah Tugas Akhir (TA) atau Skripsi merupakan suatu karya tulis ilmiah, berupa paparan tulisan hasil penelitian yang membahas suatu masalah dalam bidang ilmu tertentu
Lebih terperinciImplementasi Data Warehouse dan Data Mining Untuk Pengembangan Sistem Rekomendasi Pemilihan SMA
49 khazanah informatika Jurnal Ilmu Komputer dan Informatika Implementasi Data Warehouse dan Data Mining Untuk Pengembangan Sistem Rekomendasi Pemilihan SMA Yusuf Sulistyo Nugroho 1*, Triana Dewi Salma
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kehadiran teknologi web yang interaktif telah merubah cara orang mengekspresikan pandangan dan opininya. Saat ini pengguna dapat menulis ulasan suatu produk pada situs
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Seiring berkembangnya teknologi informasi, kebutuhan akan informasi yang digunakan untuk mendukung business intelligent suatu perusahaan juga meningkat. Informasi penting
Lebih terperinciPenerapan Algoritma K-Means Untuk Analisis Prestasi Akademik Mahasiswa Fakultas Ilmu Komputer Universitas Klabat
Penerapan Algoritma K-Means 230 Penerapan Algoritma K-Means Untuk Analisis Prestasi Akademik Mahasiswa Fakultas Ilmu Komputer Universitas Klabat Application of K-Means Algorithm for Academic Achievement
Lebih terperinciAnalisis Sentimen pada Opini Mahasiswa Menggunakan Natural Language Processing
Analisis Sentimen pada Opini Mahasiswa Menggunakan Natural Language Processing Aldi Nurzahputra 1, Much Aziz Muslim 2 1,2 Jurusan Ilmu Komputer, FMIPA, Universitas Negeri Semarang Email: 1 aldinurzah96@gmail.com,
Lebih terperinci