BAB I PENDAHULUAN. 1.1 Latar Belakang
|
|
- Leony Sutedja
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan media dan teknologi informasi, terutama pada perkembangan internet dan media sosial, menjadikan fungsi internet dari suatu media informasi biasa, bertambah menjadi media distribusi penawaran dan permintaan sebuah produk dan jasa [1]. Dapat dikatakan bahwa pada saat ini penggunaan internet dan media sosial telah menjadi kebutuhan. Dengan adanya media sosial, pengguna dapat bertukar pikiran, mengeluarkan ide, pendapat atau mengulas mengenai suatu produk atau jasa. Opini yang dituangkan ke dalam media sosial dapat dijadikan bahan acuan untuk melihat segmentasi pasar terhadap suatu produk atau jasa. Salah satu media sosial yang sering digunakan untuk mengeluarkan pendapat atau opini adalah Twitter. Twitter merupakan salah satu media sosial yang berkembang dengan pesat sejak tahun Media sosial ini menyediakan layanan microblogging dengan panjang karakter 140, dimana semua pengguna dapat memposting tulisan pendek secara online untuk membagi informasi atau opini kepada orang-orang yang terhubung dengan akun penggunaan. Semua tulisan yang diposting baik itu informasi atau opini akan ditampilkan pada tampilan Twitter secara online atau dapat dicari dan diekstrak dengan Twitter search Application Programming Interface (API). Dengan memanfaatkan API yang telah tersedia, tweet-tweet dari Twitter secara teknik lebih mudah diambil jika dibandingkan dengan mengambil data dari blog, sehingga lebih mudah digunakan untuk riset [2]. Indonesia menempati peringkat pertama untuk benua Asia, sebagai negara terbanyak di dunia dalam menulis tweet, yakni sebesar 44,48% sejak tanggal 1 November 2010 [3]. Dengan jumlah informasi yang banyak, dari data tweets tersebut dapat diolah menjadi suatu informasi yang berguna, salah satunya adalah 1
2 informasi mengenai sentimen masyarakat terhadap suatu topik tertentu. Proses pencarian informasi dapat memanfaatkan metode Analisis Sentimen. Analisis sentimen adalah sebuah proses yang digunakan untuk menjelaskan pandangan, opini atau emosi yang diungkapkan oleh seseorang mengenai suatu topik. Untuk melakukan proses identifikasi dan mengolah informasi subjektif dari sumber data, analisis sentimen dibantu dengan metode dari Natural Language Processing (NLP) dan analisis teks [4]. Dalam penelitian lainnya disebutkan bahwa analisis sentimen merupakan bidang interdisipliner antara NLP, kecerdasan buatan dan text mining. Kunci utama dari analisis sentimen adalah klasifikasi polaritas, yaitu menentukan apakah sentimen tersebut bersifat positif atau negatif [1]. Salah satu pemanfaatan media sosial sebagai ajang kampanye telah dilakukan oleh Presiden Barack Obama pada kampanye Pemilihan Presiden Amerika Serikat tahun 2008 [5]. Selain itu, pada Pemilihan Umum Presiden tahun 2014 silam, informasi pada media sosial mengenai calon presiden, yaitu Jokowi dan Prabowo sangat mudah ditemukan terutama pada Twitter. Baik itu opini yang positif, negatif atau netral untuk kedua calon tersebut. Dinyatakan dalam penelitian Tsumajan, et.al bahwa beberapa minggu sebelum pemilihan umum dilakukan, isu mengenai politik dan siapa calon terpilih menjadi topik hangat dalam masyarakat [6]. Penelitian untuk analisis sentimen dalam bidang politik dengan Bahasa Indonesia dan memanfaatkan media sosial serta blog telah dilakukan oleh beberapa peneliti, diantaranya [7][8][9][10]. Seperti telah disebutkan, bahwa kunci utama dari analisis sentimen adalah penentuan polaritas, yaitu menentukan apakah sentimen tersebut negatif atau positif. Proses penentuan polaritas dari suatu sentimen bukan hal yang mudah, seringkali penelitian sebelumnya menentukan polaritas sentimen secara manual. Penentuan polaritas secara manual memanfaatkan manusia. Cara ini masih memiliki kekurangan yaitu memerlukan waktu yang lama dan tenaga ahli yang banyak, sehingga diperlukan suatu teknik untuk mempermudah dalam proses penentuan nilai polaritas dari sentimen. Untuk mengatasi permasalahan tersebut 2
3 penelitian [7][11][12][13][14] memanfaatkan metode berbasis kamus (lexicon based), dimana kata-kata dikelompokan berdasarkan polaritas sentimennya, yaitu positif dan negatif. Salah satu implementasi metode berbasis kamus dalam Bahasa Indonesia adalah penelitian yang dilakukan oleh Saputra [7] dalam bidang analisis sentimen mengenai manajemen reputasi pada tokoh Jokowi. Penelitian ini pemetaan pada setiap kata berdasarkan polaritas kata. Dari penelitian tersebut masih memiliki kekurangan bahwa penanganan negasi masih belum dapat tertangani. Penelitian lainnya mengenai analisis sentimen pada Bahasa Indonesia telah melibatkan penanganan negasi, namun pada penelitian tersebut tidak dijelaskan bagaimana cara penanganan negasi yang dilakukan [15] dan [16]. Penanganan negasi dalam Bahasa Indonesia menjadi hal yang masih kurang dipertimbangkan dalam analisis sentimen, berbeda dalam Bahasa Inggris, yang menjadikan negasi sebagai sesuatu yang harus ditangani, karena negasi adalah salah satu cara linguistik yang paling umum yang dapat mengubah polaritas dari suatu kalimat atau teks [17]. Penelitian penanganan negasi dalam Bahasa Inggris telah dilakukan oleh [18][14][17][19]. Penelitian tersebut membahas mengenai cara penanganan negasi dalam Bahasa Inggris dengan algoritme berbasis kamus. Mengingat pentingnya penanganan negasi pada analisis sentimen, maka penelitian ini mengajukan suatu algoritme penanganan negasi dalam Bahasa Indonesia berbasis kamus yang dirujuk dari Bahasa Inggris dengan dilakukan penyesuaian dalam Bahasa Indonesia. Diharapkan dengan adanya penanganan negasi dalam Bahasa Indonesia penentuan polaritas dari suatu sentimen berbasis kamus menjadi lebih baik dibandingkan tanpa penanganan negasi. 1.2 Perumusan masalah Penanganan negasi belum menjadi fokus utama dalam analisis sentimen Bahasa Indonesia, sehingga kalimat yang memiliki kata negasi belum dapat ditentukan polaritasnya secara optimal. 3
4 1.3 Keaslian Penelitian Penelitian ini didasarkan pada beberapa hasil penelitian yang memfokuskan pada proses penangan kata-kata negasi sebagai upaya penentuan polaritas (pelabelan) ari kalimat peningkatan hasil klasifikasi analisis sentimen. Pada kasus analisis sentimen, kemunculan kata-kata atau kalimat-kalimat negasi tidak dapat dielakan. Negasi merupakan bagian dari linguistik yang sangat umum yang akan mengubah nilai dari polaritas teks [17]. Dengan berubahnya nilai dari polaritas suatu kalimat, maka perlu dilakukan proses untuk menangani kasus negasi ini. Beberapa penelitian terdahulu yang terkait dengan proses penanganan negasi pada bidang analisis sentimen antara lain adalah penelitian yang dilakukan oleh Prollochs, dkk [11], yang melakukan penelitian untuk menentukan cakupan negasi dengan dua pendekatan, yaitu pendekatan berbasis aturan dan machine learning dengan algoritme Hidden Markov Model (HMM). Data yang digunakan adalah berita finansial Jerman. Hasil penelitian tersebut menunjukan bahwa deteksi negasi dengan berbasis aturan memiliki nilai akurasi tertinggi dibandingkan dengan HMM yaitu sebesar 89.87%. Nilai akurasi tertinggi dari HMM adalah 84.37%. Kemudian, penelitian Sun, dkk [12] melakukan penelitian untuk mengembangkan pendekatan preprocessing yang efektif untuk menghilangkan kata-kata dan simbol-simbol yang tidak memiliki informasi. Proses perbaikan preprocessing melibatkan 5 tahapan NLP yang telah dilengkapi dengan proses penanganan ekspresi negasi. Data yang digunakan pada penelitian ini adalah forum stok GKP (Gulf Keystone Petroleum), IFS (Irish Financial Sentiment dataset), dan ST Apple (Senders-Twitter financial sentiment Corpus). Proses penanganan negasi dilakukan berbasis kamus (lexicon based) dari WordNet dan part of speech tagged untuk menentukan kata yang bergantung pada kata negasi. Hasil dari penelitian ini memiliki tingkat akurasi sebesar 78.08%. Padmaja [13] mencoba menguji beberapa metode dalam proses penanganan negasi yang diterapkan pada dataset berita politik yang berasal dari The Hindu dan NDTV. Untuk proses pelabelan dari opini dan penentuan negasi dilakukan secara 4
5 manual oleh dua orang annotator. Untuk proses pendeteksian negasi, Padmaja memanfaatkan part of speech tagged yang berfungsi untuk menguraikan fitur ketergantungan (dependency feature). Sedangkan untuk menentukan lingkup negasi memanfaatkan 3 pendekatan, pendekatan pertama dengan memanfaatkan Rest of the Sentence (RoS), kedua, memanfaatkan Fixed Window Length (FWL) dengan window length = 4 kata disekitar dan setelah kata negasi. Setiap kata akan ditandai sebagai positif, negatif atau negasi berdasarkan kamus. Terakhir, penelitian ini melakukan pendekatan dengan scoring function, jika penjumlahan level kata penilaian sentimen pada kalimat menghasilkan nilai kurang dari 0 akan diklasifikasikan sebagai negatif, dan sebaliknya. Untuk nilai sama dengan 0 dalam penelitian ini diabaikan karena hanya untuk kasus 2 kelas klasifikasi. Penelitian mengenai algoritme penanganan negasi berbasis kamus dilakukan oleh Hogenboom [19]. Dalam penelitiannya Hogenboom algoritme RoS, First Sentiment Word (FSW), Next non-adverb following a negation keyword (NNA) dan FWL. Algoritme penanganan negasi ini digunakan pada data review film yang berasal dari dataset Pang dan Lee. Algoritme ini digunakan untuk penentuan lingkup negasi pada penentuan level dari kalimat. penentuan level dari kalimat didapatkan dengan menghitung skor dari kata-kata sentimen yang terdapat dalam review film. Jika skor = 1 maka dikategorikan kelas positif, dan jika -1 akan dikategorikan kelas negatif. Penelitian selanjutnya dilakukan oleh Lapponi, et. al [14] melakukan penanganan negasi dengan model conditional random field untuk proses pelabelan secara terurut yang kumpulan fitur leksikal dan sintaktis yang dapat menangkap perilaku dari setiap token. Sistem yang dibangun mendapatkan masukan negasi dari cue (tanda) yang diberikan pada setiap token dari kalimat part of speech dan lematisasi dari NLP toolkit, selanjutnya akan dihitung informasi sintaksisnya (analisis ketergantungan) dengan MaltParser. Dataset yang digunakan adalah dataset novel Conan Doyle dan review produk. Councill, et. al [20] dalam penelitiannya melakukan deteksi otomatis untuk 5
6 negasi untuk teks bebas. Sama dengan penelitian yang disebutkan sebelumnya, pada penelitian ini juga memanfaatkan metode model conditional random field fitur dari dependency parser berbahasa Inggris. Selain untuk melakukan pendeteksian negasi, sistem ini juga melibatkan analisis sentimen, yang dimaksudkan untuk membangun sistem negasi secara benar yang dapat mendeteksi ada atau tidaknya negasi dalam suatu teks. Data yang digunakan adalah data mengenai produk review yang diambil secara bebas dari web, kemudian hasil dari penelitian akan dibandingkan pada dataset BioScope untuk mengetahui performa dari sistem yang dibangun. Tabel 1.1 menunjukan perbedaan penelitian yang dilakukan dengan penelitian sebelumnya. Tabel 1.1 Keaslian Penelitian Penulis Judul Dataset Metode Prollochs,dkk [11] Enhanching Sentiment Analysis of Financial News by Detecting Negation Scope. Berita finansial Jerman Penelitian untuk menentukan cakupan negasi dengan dua pendekatan, yaitu pendekatan berbasis aturan dan machine learning dengan algoritme Hidden Markov Model (HMM). 6
7 Tabel 1.1 Keaslian Penelitian Lanjutan 1 Penulis Judul Dataset Metode Sun,dkk [12] Pre-processing Online Financial Text for Sentiment Classification: A Natural Language Processing Approach. Padmaja, dkk [13] Comparison of the Scope of Negation in Online News Articles. Lapponi, dkk [14] Representing and Resolving Negation for Sentiment Analysis. GKP (Gulf Keystone Petroleum), IFS (Irish Financial Sentiment dataset), dan ST Apple (Senders- Twitter financial sentiment Corpus) Berita politik (The Hindu dan NDTV) Novel Conan Doyle dan Produk Review Proses penanganan negasi dilakukan berbasis kamus (lexicon based) dari WordNet dan POS tag untuk menentukan kata yang bergantung pada kata negasi. Proses deteksi negasi dilakukan dengan tiga proses, pertama dengan Rest of the Sentence (RoS), kedua fixed window length, dan terakhir conditional random fields. Deteksi negasi dengan model conditional random fields untuk proses pelabelan secara terurut yang kumpulan fitur leksikal dan sintaktis. 7
8 Tabel 1.1 Keaslian Penelitian Lanjutan 2 Penulis Judul Dataset Metode Hogenboom,dkk [19] Determining Negation Scope and Strength in Sentiment Analysis Dataset film Review Deteksi negasi algoritme RoS, First Sentiment Word (FSW), Next non-adverb following a negation keyword (NNA) dan FWL. Councill,dkk [20] What s Great and What s Not: Learning to Classify the Scope Negation for Improved Sentiment Analysis. Produk Review dan BioScope Deteksi negasi dengan model conditional random fields dan dependency parser berbahasa Inggris. Penelitian ini mengacu pada penelitian sebelumnya yang telah disebutkan. Penelitian ini berfokus pada penanganan negasi dalam Bahasa Indonesia, karena penanganan negasi dalam Bahasa Indonesia masih kurang mendapatkan perhatian dari peneliti yang bergerak pada bidang analisis sentimen. Adapun pada penelitian dalam Bahasa Indonesia telah penanganan negasi namun cara penanganannya tidak dijelaskan secara detail. Penelitian ini algoritme penanganan negasi berbasis kamus yang diadaptasi dari penanganan negasi dalam Bahasa Inggris untuk menentukan cakupan negasi. Algoritme penanganan negasi yang digunakan yaitu First Sentiment Word (FSW), Rest of Sentence (RoS) dan Fixed Window Length (FWL) dengan panjang window (n) = 1-5 setelah kata negasi. Algoritme penanganan negasi ini dilakukan beberapa penyesuaian dalam Bahasa Indonesia, seperti cakupan penegasian menuju ke arah kanan, maksudnya kata negasi akan menegasi kata sentimen yang berada di sebelah kanannya [21], sedangkan dalam Bahasa Inggris cakupan negasi bisa berada di sebelah kiri atau kanan kata negasi. 8
9 Selain itu dalam Bahasa Indonesia terdapat negasi ganda, yaitu proses penengasian yang dilakukan dengan lebih dari satu kata negasi dalam posisi yang berurutan [21] oleh karena itu algoritme ini disesuaikan agar dapat menangani negasi ganda dalam Bahasa Indonesia. Implementasi penanganan negasi ini dilakukan pada proses penentuan pelabelan tweet secara otomatis untuk Bahasa Indonesia berbasis kamus. Proses pelabelan otomatis didapatkan berdasarkan hasil jumlahan dari nilai sentimen yang ada pada tweet. Kata-kata sentimen didapatkan dari ekstraksi fitur dengan Part of Speech (POS) Tag. Penelitian ini memanfaatkan kamus negasi, positif dan negatif yang dibuat oleh Nurfalah [22] untuk mengecek keberadaan kata sentimen. Untuk menguji performa dari algoritme penanganan negasi akan dilakukan proses perbandingan dengan data yang tidak dilakukan proses penanganan negasi, kemudian hasil dari pelabelan kelas otomatis akan dibandingkan dengan pelabelan manual yang telah dilakukan. Tujuan yang ingin dicapai dalam penelitian ini adalah menganalisis pengaruh algoritme penanganan negasi dalam Bahasa Indonesia pada analisis sentimen Twitter. 1.4 Tujuan Penelitian Tujuan yang ingin dicapai dalam penelitian ini adalah menganalisis pengaruh algoritme penanganan negasi dalam Bahasa Indonesia pada analisis sentimen Twitter. 1.5 Manfaat Penelitian Hasil penelitian ini diharapkan dapat memberikan manfaat bagi peneliti dalam bidang sentimen analisis Bahasa Indonesia khususnya dalam menganalisis polaritas kalimat yang memiliki kata negasi. 9
BAB 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 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 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 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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Memasuki era big data, pertumbuhan data berbentuk dokumen teks semakin tinggi. Sehingga diperlukan text processing untuk pengolahan data yang sangat besar. Dokumen
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. Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI
BAB I PENDAHULUAN I.1 Latar Belakang Informasi yang terdapat dalam Laporan Hasil Pemeriksaan (LHP) BPK RI saat ini belum di-manaje dengan baik secara digital. Informasi yang terdapat dalam LHP yang terdapat
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
BAB I PENDAHULUAN 1.1 Latar Belakang Pemilihan Gubernur serentak untuk memilih para pemimpin rakyat akan dilaksanakan pada tahun 2017. Ini merupakan pemilihan kepala daerah serentak ke dua yang akan diselengarakan
Lebih terperinciUKDW BAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Dengan perkembangan teknologi yang semakin pesat, setiap orang dituntut untuk bisa memanfaatkan dengan baik perkembangan teknologi dan dapat menggunakan di dalam kehidupan
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 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 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 terperinci1. PENDAHULUAN 1.1 Latar belakang Masalah
1. PENDAHULUAN 1.1 Latar belakang Masalah Bahasa Indonesia adalah alat yang mampu menjembatani penduduk Indonesia yang terdiri dari berbagai suku dan bahasa untuk dapat berkomunikasi satu sama lainnya.
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dewasa ini sudah mempengaruhi kebutuhan manusia modern, hal ini ditandai dengan penggunaan teknologi disetiap aspek kehidupan manusia yang berguna
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN Pada bagian ini akan dijelaskan tentang pendahuluan dalam penyusunan Laporan Penelitian. Pendahuluan meliputi latar belakang masalah, rumusan masalah, tujuan penelitian, batasan masalah,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA
BAB 2 TINJAUAN PUSTAKA Pada tinjauan pustaka ini akan membahas tentang penelitian berita yang menggunakan Text Mining, metode TF-IDF, dan. Yang mana penelitian ini akan mengulas secara lengkap tentang
Lebih terperinciAnalisis Sentimen Menggunakan Lexicalized-Hidden Markov Model(L-HMM)
Analisis Sentimen Menggunakan Lexicalized-Hidden Markov Model(L-HMM) Virani Kartika Satrioputri 1, Warih Maharani 2, Jondri 3 Abstrak Saat ini semakin banyak produsen yang menawarkan produknya melalui
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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Natural Language Processing (NLP) adalah area penelitian dan pengaplikasan yang mengekplorasi bagaimana caranya sebuah komputer dapat digunakan dan memanipulasi berupa
Lebih terperinciBAB I PENDAHULUAN. informasi sentimen yang terkandung dalam suatu kalimat opini. Analisis sentimen
BAB I PENDAHULUAN I.1. Latar Belakang Analisis sentimen terhadap layanan merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sumber opini teks saat ini tersedia berlimpah di internet akan tetapi belum sepenuhnya dimanfaatkan karena masih kurangnya tool yang ada, sedangkan perkembangan
Lebih terperinciANALISIS SENTIMEN BERBAHASA INDONESIA DENGAN PENDEKATAN LEXICON-BASED PADA MEDIA SOSIAL
ANALISIS SENTIMEN BERBAHASA INDONESIA DENGAN PENDEKATAN LEXICON-BASED PADA MEDIA SOSIAL Adiyasa Nurfalah, Adiwijaya, Arie Ardiyanti Suryani Telkom University St. Telekomunikasi No. 1, Bandung, Indonesia
Lebih terperinciBAB 1 PENDAHULUAN. Universitas Sumatera Utara
1 BAB 1 PENDAHULUAN 1.1. Latar Belakang Kata kunci (keyword) merupakan kata-kata singkat yang dapat menggambarkan isi suatu artikel ataupun dokumen (Figueroa,et al. 2014). Kata kunci memberikan kemudahan
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. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan dibidang teknologi informasi dan telekomunikasi berdampak pada munculnya berbagai media sosial, seperti Twitter. Twitter didirikan oleh Jack Dorsey, Biz Stone,
Lebih terperinciBAB I PENDAHULUAN 1 PENDAHULUAN
1 1 PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang Popularitas media jejaring sosial terus mengalami peningkatan dalam beberapa tahun terakhir. Media jejaring sosial seperti Twitter, Facebook, dan Youtube
Lebih terperinciBAB III METODOLOGI PENELITIAN
BAB III METODOLOGI PENELITIAN berikut. Tahapan penelitian yang dilakukan dalam penelitian adalah sebagai Indentifikasi Masalah Merumuskan Masalah Study Literatur Perancangan : 1. Flat Teks 2. Database
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Informasi telah menjadi kebutuhan utama dalam kehidupan manusia. Informasi bisa dikatakan sebagai pengetahuan yang didapatkan dari pembelajaran, pengalaman, atau instruksi.
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang Penelitian
BAB I PENDAHULUAN 1.1. Latar Belakang Penelitian Perkembangan teknologi, informasi dan komunikasi di Indonesia saat ini berkembang dengan pesat. Teknologi dan informasi merupakan suatu hal yang tidak asing
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1. Twitter Twiter adalah sebuah layanan media sosial yang memungkinkan penggunanya untuk menulis maksimal 140 karakter, yang dikenal sebagai Tweet. Twitter didirikan oleh Jack Dorsey
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 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 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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Bahasa Indonesia adalah bahasa resmi dari Negara Indonesia. Berdasarkan ketentuan UU Nomor 24 tahun 2009 (Pasal 3) tujuan dari penggunaan Bahasa Indonesia sebagai bahasa
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Di era banjir informasi ini, masyarakat mulai meninggalkan media tradisional seperti televisi dan koran. Mobilitas aktivitas yang tinggi mengakibatkan masyarakat
Lebih terperinciBAB I PENDAHULUAN. beberapa tahun terakhir (Dave Chaffey, 2016). Media jejaring sosial seperti Twitter,
BAB I PENDAHULUAN 1.1. Latar Belakang Popularitas media jejaring sosial terus mengalami peningkatan dalam beberapa tahun terakhir (Dave Chaffey, 2016). Media jejaring sosial seperti Twitter, Facebook,
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Tinjauan atau review seseorang yang ditujukan kepada suatu objek atau produk sangat berpengaruh terhadap penilaian publik atas produk tersebut (Sahoo, 2013). Review
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
1 BAB 1 PENDAHULUAN Bab ini berisi tentang latar belakang (subbab 1.1), tujuan penelitian (subbab 1.2), perumusan dan pembatasan masalah (subbab 1.3), metodologi penelitian (subbab 1.4), serta penjelasan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Twitter bagian dari Social Networking website yang memperbolehkan pengguna untuk mengirim dan membaca 140 karakter, atau sering disebut tweets[1]. Berdasarkan survey
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini, microblogging menjadi sangat popular untuk alat komunikasi antara pengguna internet. Setiap hari jutaan pesan muncul di website penyedia microblogging diantaranya
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1. 1.1 Latar Belakang Kemunculan jejaring sosial Facebook di tahun 2004 telah berhasil menarik minat jutaan orang diberbagai belahan dunia untuk bergabung menggunakan layanannya. Hal
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Bahasa alami adalah bahasa yang biasa digunakan untuk berkomunikasi antarmanusia, misalnya bahasa Indonesia, Sunda, Jawa, Inggris, Jepang, dan sebagainya. Bahasa
Lebih terperinciBAB I PENDAHULUAN. Pada bagian awal penelitian ini dipaparkan secara lengkap latar belakang,
BAB I PENDAHULUAN Pada bagian awal penelitian ini dipaparkan secara lengkap latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, metodologi, dan sistematika penulisan. 1.1 Latar Belakang
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 terperinciBAB I PENDAHULUAN. Di era modern ini, macam-macam makanan sangatlah banyak dan beragam.
BAB I PENDAHULUAN 1.1 Latar Belakang Setiap warga muslim di dunia membutuhkan informasi makanan halal, agar mereka terhindar dari yang namanya perbuatan dosa. Karena di dalam agama islam, sebagai umat
Lebih terperinciBABI PENDAHULUAN. 1.1 Latar Belakang
BABI PENDAHULUAN 1.1 Latar Belakang Named entity recognition(ner) merupakan salah satu bagian domain Information Extraction(IE) pada sistem Natural Language Processing(NLP). Sistem NER bertujuan untuk
Lebih terperinciBAB I PENDAHULUAN 1.1 Tujuan 1.2 Latar Belakang
BAB I PENDAHULUAN 1.1 Tujuan Merancang sebuah sistem yang dapat meringkas teks dokumen secara otomatis menggunakan metode generalized vector space model (GVSM). 1.2 Latar Belakang Dunia informasi yang
Lebih terperinci1. BAB I PENDAHULUAN 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini dunia telah memasuki era dimana masyarakat dapat secara bebas menyuarakan pendapat mereka di berbagai media, salah satunya melalui media sosial. Masyarakat
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 terperinciUKDW BAB I PENDAHULUAN
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi merupakan salah satu sarana yang mengalami perkembangan pesat dari waktu ke waktu. Contoh dari perkembangan tersebut adalah semakin meningkatnya aktifitas
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 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 terperinciANALISIS KLASIFIKASI SENTIMEN LEVEL ASPEK MENGGUNAKAN PENDEKATAN PEMBELAJARAN SUPERVISED
ISSN : 2355-9365 e-proceeding of Engineering : Vol.3, No.2 Agustus 2016 Page 3654 ANALISIS KLASIFIKASI SENTIMEN LEVEL ASPEK MENGGUNAKAN PENDEKATAN PEMBELAJARAN SUPERVISED ASPECT LEVEL SENTIMENT CLASSIFICATION
Lebih terperinciSentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation
Sentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation Ghulam Asrofi Buntoro 1, Teguh Bharata Adji 2, Adhistya Erna Purnamasari 3 Jurusan Teknik Elektro FT UGM Jln. Grafika 2
Lebih terperinciBAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang
1 BAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang Intelligent agent, sebagai bagian dari kecerdasan buatan yang dapat diterapkan pada sistem dalam menyelesaikan sebuah permasalahan. Agen yang diterapkan
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 1 PENDAHULUAN. Latar Belakang
BAB 1 PENDAHULUAN Latar Belakang Berita pada media massa online bertambah banyak setiap waktu karena selalu ada sesuatu yang patut untuk diberitakan kepada khalayak. Hal ini membuat pembaca harus menyiapkan
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 terperinciBab 1 Pendahuluan 1.1 Latar Belakang
Bab 1 Pendahuluan 1.1 Latar Belakang Bahasa merupakan salah satu aspek penting dalam kehidupan manusia karena bahasa adalah alat untuk berkomunikasi dengan manusia lain. Bahasa dapat disajikan dalam bentuk
Lebih terperinciSISTEM NOTIFIKASI KEMACETAN LALU LINTAS BERBASIS MEDIA SOSIAL DENGAN METODE NLP
SISTEM NOTIFIKASI KEMACETAN LALU LINTAS BERBASIS MEDIA SOSIAL DENGAN METODE NLP TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh
Lebih terperinciAnalisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine
IJCCS, Vol.8, No.1, January 2014, pp. 91~100 ISSN: 1978-1520 91 Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine Noviah Dwi Putranti* 1, Edi Winarko
Lebih terperinciPENYUSUNAN KORPUS BERITA TERBUKA BERBAHASA INDONESIA
PENYUSUNAN KORPUS BERITA TERBUKA BERBAHASA INDONESIA Ahmad Rio Adriansyah STT Terpadu Nurul Fikri, arasy@nurulfikri.ac.id, ahmad.rio.adriansyah@gmail.com Abstrak Korpus dalam bahasa Indonesia dibutuhkan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Sentimen Analisis Analisis sentimen juga dapat dikatakan sebagai opinion mining. Analisis sentimen dapat digunakan dalam berbagai kemungkian domain, dari produk konsumen, jasa
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 terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan teknologi informasi sudah semakin maju. Beberapa aplikasi text mining awal menggunakan penyajian sederhana yang disebut dengan bag-ofwords' ketika
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN Bab ini berisikan tentang alasan peneliti mengambil permasalahan ini. Pada bab ini poin-poin yang akan dipaparkan antara lain Latar Belakang, Perumusan Masalah, Batasan Masalah, Tujuan
Lebih terperinciLAPORAN TUGAS AKHIR. Disusun oleh: Franky
LAPORAN TUGAS AKHIR Analisis Sentimen Menggunakan Metode Naive Bayes, Maximum Entropy, dan Support Vector Machine pada Dokumen Berbahasa Inggris dan Dokumen Berbahasa Indonesia Hasil Penerjemahan Otomatis
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Gaya Belajar Penelitian tentang gaya belajar telah banyak dilakukan untuk dapat mengenali jenis gaya belajar dari mahasiswa. Banyak learning styles model yang telah dikembangkan
Lebih terperinciSENTIPOL: Dataset Sentimen Komentar Pada Kampanye PEMILU Presiden Indonesia 2014 Dari Facebook Page
SENTIPOL: Dataset Sentimen Komentar Pada Kampanye PEMILU Presiden Indonesia 2014 Dari Facebook Page Antonius Rachmat dan Yuan Lukito KNASTIK 2016 Universitas Kristen Duta Wacana 19 November 2016 Latar
Lebih terperinciUNTUK TOPIC DETECTION AND TRACKING PADA MICROBLOG TWITTER
BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilaksanakannya penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Mikroblog adalah salah satu bentuk blog yang memungkinkan
1.1 Latar Belakang BAB I PENDAHULUAN Mikroblog adalah salah satu bentuk blog yang memungkinkan penggunanya untuk berbagi konten digital. 1 Perbedaan mikroblog dengan blog biasa terletak pada ukuran posting.
Lebih terperinciJurnal Ilmiah Komputer dan Informatika (KOMPUTA)
55 ANALISIS SENTIMEN BERBAHASA INDONESIA DENGAN PENDEKATAN LEXICON BASED (STUDI KASUS : SOLUSI PENGELOLAAN SAMPAH) Veronikha Effendy Universitas Telkom Jl.Telekomunikasi No. 1, Terusan Buah Batu, Bandung
Lebih terperinciIMPLEMENTASI PEREKOMENDASIAN KATA KUNCI DOKUMEN MENGGUNAKAN ALGORITMA GOOGLE LATENT SEMANTIC DISTANCE
IMPLEMENTASI PEREKOMENDASIAN KATA KUNCI DOKUMEN MENGGUNAKAN ALGORITMA GOOGLE LATENT SEMANTIC DISTANCE Novario Jaya Perdana 1, Diana Purwitasari 2 Teknik Informatika, Fakultas Teknologi Informasi, Institut
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait 2.1.1. Implementasi Opinion Mining Pernah dilakukan penelitian tentang opinion mining membahas tentang ekstraksi data opini publik pada perguruan tinggi.
Lebih terperinciTabel 1.1 Pertumbuhan Panjang Jalan dan Jumlah Kendaraan
BAB I PENDAHULUAN Sebagai negara berkembang, perekonomian Indonesia didorong untuk tumbuh dengan pesat. Salah satu indikator pertumbuhan perekonomian yang baik adalah tingginya daya beli masyarakat. Tingginya
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 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 terperinciBAB I PENDAHULUAN. Dari hari ke hari pengguna internet semakin bertambah. sebenarnya apa
BAB I PENDAHULUAN 1.1. Latar Belakang Dari hari ke hari pengguna internet semakin bertambah. sebenarnya apa saja yang dapat dilakukan oleh pengguna melalui internet? mengapa internet semakin diminati dan
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 terperinciBAB I PENDAHULUAN! 1.1 Latar Belakang
1.1 Latar Belakang BAB I PENDAHULUAN Untuk dapat tetap bisa menjalankan proses bisnisnya dengan baik, suatu instansi harus memenuhi suatu standar dalam melayani keinginan konsumen atau yang biasa dikenal
Lebih terperinciPERBANDINGAN KEPUASAN PENGGUNA APLIKASI CHATTING BERDASARKAN ANALISA SENTIMEN MENGGUNAKAN METODE LEXICON BASED
PERBANDINGAN KEPUASAN PENGGUNA APLIKASI CHATTING BERDASARKAN ANALISA SENTIMEN MENGGUNAKAN METODE LEXICON BASED Disusun sebagai salah satu syarat menyelesaikan Program Studi Strata I pada Jurusan Informatika
Lebih terperinciIdentifikasi Fitur Laptop beserta Orientasinya dengan Metode Apriori dan Lexicon-Based
Journal of Applied Informatics and Computing (JAIC) Vol.1, No.1, Desember 2017 e-issn: 2548-6861 33 Identifikasi Fitur Laptop beserta Orientasinya dengan Metode Apriori dan Lexicon-Based Try Satria Amanattullah
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang. Pemilihan presiden merupakan momen penting bagi setiap negara, salah satunya
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pemilihan presiden merupakan momen penting bagi setiap negara, salah satunya yaitu Amerika Serikat. Pergerakan pasar sekuritas di New York, London, Toronto, dan Tokyo
Lebih terperinciSENTIMENT ANALYSIS DENGAN NAIVE BAYES UNTUK MELIHAT PERSEPSI MASYARAKAT TERHADAP BATIK PADA JEJARING SOSIAL TWITTER
SENTIMENT ANALYSIS DENGAN NAIVE BAYES UNTUK MELIHAT PERSEPSI MASYARAKAT TERHADAP BATIK PADA JEJARING SOSIAL TWITTER Anindya Apriliyanti P. Departemen Statistika FMIPA Universitas Padjadjaran a.apriliyanti.p@gmail.com
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan berkembangnya Internet, banyak informasi tersedia dalam World Wide Web yang dapat diakses di seluruh negara. Pada saat pencarian informasi menggunakan search
Lebih terperinci1. Introduction. tertentu memegang peran penting dalam. Abstract
Perbandingan Metode Latent Semantic Analysis, Syntactically Enhanced Latent Semantic Analysis, dan Generalized Latent Semantic Analysis dalam Klasifikasi Dokumen Berbahasa Inggris Gilbert Wonowidjojo Bina
Lebih terperinciBAB I PENDAHULUAN. pada tahun 2014 ini. Politik selalu menjadi topik yang menarik untuk dibahas bagi
BAB I PENDAHULUAN 1.1 Latar Belakang Tahun 2014 ini menjadi tahun yang ramai dengan perbincangan politik. Mulai dari pemilihan anggota DPRD sampai pemilihan calon presiden terjadi pada tahun 2014 ini.
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Twitter merupakan situs microblogging yang dibangun pada tahun 2006, telah mempunyai pengunjung 20 juta setiap bulan dan jumlah posting yang setiap tahun semakin bertambah
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Perkembangan teknologi informasi yang pesat membuat informasi tentang sebuah peristiwa tersaji dengan sangat cepat. Untuk satu peristiwa, akan muncul berbagai berita
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 terperinciANALISA SENTIMEN MENGGUNAKAN NAÏVE BAYES UNTUK MELIHAT PERSEPSI MASYARAKAT TERHADAP KENAIKAN HARGA JUAL ROKOK PADA MEDIA SOSIAL TWITTER
ANALISA SENTIMEN MENGGUNAKAN NAÏVE BAYES UNTUK MELIHAT PERSEPSI MASYARAKAT TERHADAP KENAIKAN HARGA JUAL ROKOK PADA MEDIA SOSIAL TWITTER PUBLIKASI ILMIAH Disusun sebagai salah satu syarat menyelesaikan
Lebih terperinciNur Indah Pratiwi, Widodo Universitas Negeri Jakarta ABSTRAK
Klasifikasi Dokumen Karya Akhir Mahasiswa Menggunakan Naïve Bayes Classifier (NBC) Berdasarkan Abstrak Karya Akhir Di Jurusan Teknik Elektro Universitas Negeri Jakarta Nur Indah Pratiwi, Widodo Universitas
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 terperinciBAB I PENDAHULUAN. Teknologi informasi dan komunikasi (TIK) saat ini sudah menjadi elemen
BAB I PENDAHULUAN 1.1. Latar Belakang Teknologi informasi dan komunikasi (TIK) saat ini sudah menjadi elemen penting bagi kehidupan masyarakat modern terutama fungsinya dalam bersosialisasi dan berinteraksi.
Lebih terperinci