Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-issn: X
|
|
- Vera Lie
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer e-issn: X Vol. 1, No. 12, Desember 2017, hlm hp://j-piik.ub.ac.id Analisis Senimen Terhadap Tayangan Televisi Berdasarkan Opini Masyaraka pada Media Sosial Twier menggunakan Meode K-Neares Neighbor dan Jumlah Rewee Winda Esu Nurjanah 1, Rizal Seya Perdana 2, Mochammad Ali Fauzi 3 Program Sudi Teknik Informaika, 1 windaesu@gmail.com, 2 rizalespe@ub.ac.id, 3 moch.ali.fauzi@ub.ac.id Absrak Twier merupakan sius web layanan jejaring sosial yang banyak diminai pengguna inerne sebagai media komunikasi dan mendapakan informasi. Informasi yang erdapa pada Twier berupa peranyaan, opini aau komenar, baik yang bersifa posiif maupun negaif. Analisis senimen merupakan salah sau cabang peneliian dari Tex Mining yang melakukan proses klasifikasi pada dokumen eks. Meode yang digunakan adalah K-Neares Neighbor, dengan menambahkan fiur pemboboan jumlah rewee (non-eksual). eksual hasil dari klasifikasi K-Neares Neighbor dan pemboboan non-eksual dari pemboboan jumlah rewee akan digabungkan menggunakan nilai konsana erenu (α dan β) unuk menghasilkan senimen posiif dan negaif. Daa yang digunakan berupa opini masyaraka erhadap ayangan elevisi pada wier sejumlah 400. Dari hasil pengujian akurasi menggunakan pemboboan eksual diperoleh 82,50%, menggunakan pemboboan non-eksual 60%, dan menggunakan penggabungan keduanya 83,33% dengan nilai k=3 dan konsana perkalian yang epa α=8 dan β=2. Kaa Kunci: analisis senimen, Twier, K-Neares Neighbor, pemboboan jumlah Rewee. Absrac Twier is a social media ha aracs many inerne users as a media for communicaion and geing informaion. The informaion covered on Twier in he form of quesions, opinions or commens, wheher i is posiive or negaive. Senimen analysis is a par of research from Tex Mining ha conduced he classificaion process on ex documens. K-Neares Neighbor was used as mehod of his research, by adding he qualiy of rewee (non-exual). The resul of exual qualiy of he K-Neares Neighbor classificaion and he non-exual qualiy from he sum of rewees would be combined using cerain consans (α and β) o generae posiive and negaive senimens. The daa was used in he form of public opinion on he elevision show on wier showed 400. From he es resuls of accuracy using non-exual qualiy obained 82.50%, using 60% non-exual qualiy, and use he combinaion of boh was 83.33% wih he score k=3 and he exac muliplicaion consan α=8 and β=0.2. Keywords: senimen analysis, Twier, K-Neares Neighbor, weighing he number of Rewees. 1. PENDAHULUAN Televisi merupakan salah sau media elekronik yang menjadi hiburan dan sumber informasi bagi pemirsa ayangan elevisi. Penilaian unuk ayangan elevisi dapa diliha melalui raing aau program apa saja yang paling banyak disaksikan oleh masyaraka. Sasiun elevisi menggunakan Nielsen Audience Measuremen sebagai jasa peneliian peringka program (raing), dengan melakukan perhiungan raing dan share elevisi (Fachruddin, 2016). Hasil dari perhiungan ersebu, akan mengeluarkan laporan ruin seiap hari unuk masing-masing sasiun elevisi mengenai program apa saja yang menjadi unggulan dan idak diunggulkan lagi (Fachruddin, 2016). Nielsen Audience Measuremen merupakan perusahaan yang menyelenggarakan pengukuran kepemirsaan elevisi aau disebu dengan Television Audience Measuremen (TAM). Nilai raing sanga pening unuk berahannya suau ayangan elevisi, namun Fakulas Ilmu Kompuer Universias Brawijaya 1750
2 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1751 idak menjamin ayangan elevisi ersebu memiliki kualias yang inggi (Tiara, Sabariah, & Effendy, 2015). Sering kali pemirsa ayangan elevisi memberikan opini aau komenar erhadap ayangan elevisi melalui media sosial salah saunya Twier. Opini ersebu berupa wee yang naninya akan menjadi sebuah beria yang ersebar pada imeline Twier. Opini masyaraka pada Twier erhadap ayangan elevisi memiliki peranan yang pening, karena dapa digunakan unuk melakukan analisis senimen dalam memprediksi penilaian masyaraka erhadap suau ayangan elevisi, apakah bersifa posiif aau negaif. Analisis senimen merupakan bidang sudi yang menganalisis pendapa, senimen, penilaian, evaluasi, sikap, dan emosi seseorang erkai suau opik, layanan, produk, individu, organisasi, aau kegiaan erenu (Liu, 2012). Analisis senimen dilakukan unuk menenukan apakah opini aau komenar erhadap suau permasalahan, memiliki kecenderungan posiif aau negaif dan dapa dijadikan sebagai acuan dalam meningkakan suau pelayanan, aaupun meningkakan kualias produk. Algorime yang digunakan unuk proses klasifikasi yaiu K-Neares Neighbor dan dilakukan penambahan fiur pemboboan jumlah rewee. Algorime ersebu dipilih karena dari peneliian sebelumnya yang dilakukan oleh Samuel, Delima dan Rachma (2014), membahas enang klasifikasi subopik beria, menunjukkan akurasi yang baik, dengan nilai k=3, menunjukan hasil persenase 88,29% (Samuel, Delima, & Rachma, 2014). Peneliian lainnya dilakukan oleh Perdana dan Pinandio (2016), membahas enang kombinasi Likes-Rewee dan Näive Bayes Classifier dalam Twier unuk proses analisis senimen. Kombinasi kedua fiur ersebu menghasilkan nilai F-measure sebesar 838 (Perdana & Pinandio, 2017). Penggabungan algorime K-Neares Neighbor dan penambahan fiur pemboboan jumlah rewee diharapkan mampu meningkakan hasil akurasi dan dapa melakukan klasifikasi dengan hasil yang epa, sehingga hasil keluaran sisem mampu menjadi acuan sera perimbangan bagi pemirsa ayangan elevisi dan dalam memilih ayangan yang banyak disukai oleh masyaraka umum. 2. METODE USULAN Tahapan proses pada sisem analisis senimen erhadap ayangan elevisi berdasarkan opini masyaraka pada media sosial Twier menggunakan meode K-Neares Neighbor dan pemboboan jumlah Rewee diawali dengan proses menghiung pemboboan eksual, dimulai dari praproses, yang mana dalam proses ini ada beberapa proses yaiu okenisasi, cleansing, case folding, filerisasi dan semming. Tahapan selanjunya yaiu pemboboan kaa, dalam proses ini ada beberapa proses yaiu TF, DF, Wf, IDF, dan TF-IDF. Seelah dilakukan proses pemboboan kaa, maka akan dihiung ingka kemiripan dokumen menggunakan cosine similariy, kemudian masuk pada proses klasifikasi eks menggunakan meode K-Neares Neighbor. Tahap selanjunya dilakukan pemboboan jumlah Rewee (non-eksual). Pada ahapan ini, jumlah Rewee pada dokumen wee akan diberikan bobo sesuai dengan jumlah rewee yang ada pada dokumen ersebu dengan proses normalisasi min-max. Normalisasi jumlah rewee dilakukan unuk seiap jumlah rewee pada daa uji yang dibandingkan dengan jumlah rewee pada daa laih eangganya. Selanjunya hasil pemboboan eksual akan digabungkan dengan pemboboan jumlah rewee (noneksual) yang sebelumnya elah dilakukan normalisasi min-max. Hasil dari penggabungan ersebu akan menghasilkan suau nilai, sehingga dapa dikeahui dokumen yang elah dilakukan proses klasifikasi bernilai posiif aau negaif. Alur dari proses sisem dapa diampilkan dalam Gambar Kaa kaa (erm) berujuan unuk memberikan bobo pada seiap kaa (erm) yang erdapa pada dokumen eks yang akan diproses. Tahapan pada pemboboan kaa yaiu sebagai beriku: 1. Term Frequency (TF) Term Frequency merupakan frekuensi kemunculan kaa pada suau dokumen eks. Term Frequency (f,d) didefinisikan jumlah kemunculan erm pada dokumen d. Persamaan dari Term Frequency (f,d) diunjukkan pada Persamaan 1. W f,d = { 1 + log 10 f,d, if f,d > 0 lainnya (1) Keerangan : f. adalah jumlah kemunculan erm pada d dokumen d.
3 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer Documen Frequency (DF) Documen Frequency merupakan kaa-kaa yang banyak erdapa pada dokumen, kaa ersebu idak informaif, seperi kaa dan, di, aau, bisa, merupakan. 3. Invers Documen Frequency (IDF) Invers Documen Frequency merupakan frekuensi kemunculan erm pada keseluruhan dokumen eks. Term yang jarang muncul pada keseluruhan dokumen eks memiliki nilai Invers Documen Frequency lebih besar dibandingkan dengan erm yang sering muncul (Rahmawai, Sihwi, & Suryani, 2014). Persamaan dari Invers Documen Frequency (IDF) diunjukkan pada Persamaan 2. N idf log 10( ) (2) df ( ) Dengan : adalah jumlah dokumen eks. adalah jumlah dokumen yang N df () mengandung erm. 4. Term Frequency - Invers Documen Frequency (TF-IDF) Nilai f-idf dari sebuah kaa merupakan kombinasi dari nilai f dan nilai idf dalam perhiungan bobo. Persamaan dari TF-IDF diunjukkan pada Persamaan 3. W W, idf, d f (3) d Keerangan : adalah Term Frequency. W f, d idf adalah Invers Documen Frequency K-Neares Neighbor K-Neares Neighbor (KNN) adalah salah sau meode paling sederhana unuk memecahkan masalah klasifikasi (Adeniyi, Wei, & Yongquan, 2016). Algorime ini sering digunakan unuk klasifikasi eks dan daa (Samuel, Delima, & Rachma, 2014). Pada meode ini dilakukan klasifikasi erhadap obyek berdasarkan daa yang jaraknya paling deka dengan obyek ersebu (Hardiyano & Rahuomo, 2016). Klasifikasi eks menggunakan meode KNN akan menghasilkan nilai yang lebih opimal jika menggunakan rumus cosine similariy unuk pemboboan iap-iap kaa pada dokumen eks yang akan diproses. Sebelum menghiung nilai cosine similariy, harus melakukan ahapan dalam proses pemboboan kaa yaiu f, df, idf, f-idf yang erdapa pada rumus persamaan 1 sampai persamaan 3. Seelah pemboboan kaa selesai, selanjunya yaiu menghiung kemiripan anar dokumen menggunakan rumus cosine similariy. Persamaan dari cosine similariy diunjukkan pada Persamaan 4. CosSim q d q i j 1 ij iq, d (4) j d j q 2 2 w i ij w 1 i1 iq w w Keerangan: CosSim q, d j : Nilai kemiripan anara dokumen uji (q) dengan dokumen laih ke j ( d q w ij w iq : Jumlah erm (kaa) : dokumen : kaa kunci (query) : Bobo erm (kaa) ke i pada dok. d j) laih j : Bobo erm (kaa) ke i pada dok.uji q 2.3. Jumlah Rewee (Non- Teksual) Rewee merupakan salah sau fiur yang ada pada media sosial Twier. Fiur ini berfungsi unuk membagikan aau menyebarkan wee dari pengguna Twier lain aau mengacu pada wee yang didisribusikan kembali. jumlah rewee ini berujuan unuk menambah nilai posiif pada wee yang memiliki banyak rewee, sehingga dapa mempengaruhi nilai senimen pada wee ersebu, dan dapa dikeahui dengan jelas wee apa saja yang memiliki nilai senimen posiif. Jumlah angka rewee dapa memperkua wee memiliki senimen posiif (Perdana & Pinandio, 2017). Jumlah rewee merupakan daa non-eksual yang akan dilakukan seelah klasifikasi KNN selesai dilakukan. Bobo yang akan diberikan, berdasarkan jumlah rewee yang erdapa pada dokumen wee ersebu. Jumlah rewee ersebu akan dilakukan normalisasi menggunakan minmax, agar bobo yang diberikan seimbang dengan bobo eks hasil klasifikasi KNN Normalisasi Min-max Normalisasi Min-max merupakan proses ransformasi yang mana aribu berupa angka akan diskala ke dalam suau ukuran yang lebih kecil, seperi anara -1 sampai 1 aau 0 sampai 1
4 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1753 (Junaedi, Budiano, Maryai, & Melani, 2011). Proses normalisasi ersebu akan memudahkan peneliian, karena daa asli akan digani ke dalam benuk lain dengan skala yang sama (Maulana, Saepudin, & Rohmawai, 21016). Meode Min-max merupakan meode yang paling sederhana dalam proses ransformasi linier erhadap daa asli. Seelah dilakukan proses normalisasi Min-max, dapa diperoleh keseimbangan nilai perbandingan anara nilai sebelum dilakukan proses normalisasi dan nilai seelah dilakukan proses normalisasi (Wirawan & Eksisyano, 2015). Persamaan normalisasi Min-max dapa diliha pada Persamaan 5. v i = v i min A (new_max max A min A new_min A ) + new_min A A (5) Keerangan : v i : Nilai daa yang baru dari hasil normalisasi min-max. v i : Nilai daa yang akan dilakukan normaliasi. max A : Nilai maksimum daa. min A : Nilai minimum daa. new_max A : Nilai maksimum yang diharapkan dari proses normalisasi (9). new_min A : Nilai minimum yang diharapkan dari proses normalisasi (1) Penggabungan Teksual dan Non-Teksual Penggabungan pemboboan eksual dan non-eksual merupakan ahapan akhir unuk mengeahui senimen posiif aau negaif pada proses klasifikasi yang melakukan kombinasi anara pemboboan eksual dan non-eksual (Perdana & Pinandio, 2017). Penggabungan dilakukan pada pemboboan eksual dan pemboboan non-eksual menggunakan nilai konsana erenu sebagai nilai pembanding dalam menggunakan pemboboan eksual dan non-eksual. Rumus unuk penggabungan pemboboan eksual dan non-eksual dapa diliha pada Persamaan 6 (Perdana & Pinandio, 2017). PenggabC j = (α TeksC j ) + (β NonTeksC j ) (6) Keerangan : α : Konsana pengali sebagai pembanding unuk pemboboan eksual. TeksC j : Nilai cosine similariy hasil klasifikasi KNN. β : Konsana pengali sebagai pembanding unuk pemboboan noneksual. NonTeksC j : Nilai pemboboan jumlah Rewee. Gambar 1. merupakan diagram alur dari sisem yang dibua. Masukan : Dok. laih dan uji Mulai Masukan : Dok. Laih dan uji Praproses eks Klasifikasi eks (KNN) Jumlah Rewee Penggabungan Keluaran : Dok. Posiif aau Negaif Selesai Gambar 1. Diagram Alur Sisem 3. HASIL DAN PEMBAHASAN 3.1. Pengujian Pengaruh Nilai k Pengujian pengaruh nilai k dilakukan unuk mengeahui nilai k opimal unuk melakukan proses klasifikasi KNN erhadap hasil akurasi sisem. Pada pengujian ini menggunakan nilai k yang bervariaif. Seiap nilai k yang digunakan, akan menjadi parameer dari pengujian, sehingga dapa dikeahui pengaruh nilai k ersebu erhadap akurasi sisem. Pada pengujian pengaruh nilai k, nilai konsana α dan β yang digunakan masingmasing 5. Uji coba perhiungan nilai k dilakukan sebanyak 20 kali sampai sejumlah daa laih yaiu 280. Hasil dari pengujian pengaruh nilai k erdapa pada Tabel 1.
5 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1754 Tabel 1. Pengujian Nilai k No Nilai F- Accuracy Precision Recall k Measure % 62,76% 98,33% 76,62% % 72,28% 100% 83,91% ,50% 64,51% 100% 78,43% ,66% 63,82% 100% 77,92% ,50% 64,51% 100% 78,43% ,66% 63,82% 100% 77,92% ,33% 65,21% 100% 78,94% ,16% 65,93% 100% 79,47% ,16% 61,85% 100% 76,43% ,83% 59,40% 100% 74,53% ,50% 57,14% 100% 72,72% ,50% 57,14% 100% 72,72% ,66% 56,60% 100% 72,28% % 52,63% 100% 68,96% ,50% 51,28% 100% 67,79% ,66% 584% 100% 67,41% ,66% 584% 100% 67,41% % 50% 100% 66,67% % 50% 100% 66,67% % 50% 100% 66,67% Berdasarkan pada Tabel 1, maka dapa dilakukan analisis : 1. Pada pengujian pengaruh nilai k menunjukkan bahwa nilai k opimal unuk melakukan proses klasifikasi KNN adalah k=3, dengan ingka akurasi mencapai 883%, precision mencapai 72,28%, recall mencapai 100%, dan f-measure mencapai 83,91%. Sedangkan nilai k yang menghasilkan akurasi paling rendah yaiu k=10 k=20 dan k=28 karena jumlah keeanggaan yang erlalu banyak sehingga mengurangi ingka akurasi. 2. Nilai recall pada nilai k=3 sampai k=280 mencapai nilai 100% karena hasil keluaran sisem idak memiliki nilai false negaif. Sedangkan unuk nilai precision pada semua nilai k yang diuji memiliki nilai yang berbeda-beda. Semakin banyak nilai false posiif pada hasil keluaran sisem, maka semakin kecil nilai precision yang dihasilkan, dan semakin banyak nilai false negaif pada hasil keluaran sisem, maka semakin kecil nilai recall yang dihasilkan. 3. Pada pengujian ini, nilai k yang diuji idak memperhaikan jumlah ganjil maupun genap, karena semua eangga dari daa uji sejumlah k, akan dikelompokkan berdasarkan kaegori posiif dan negaif, kemudian nilai kemiripannya yaiu hasil penggabungan bobo eksual dan noneksual akan dijumlahkan, dan dibandingkan nilai mana yang paling besar, apakah nilai unuk kaegori posiif aau negaif Pengujian Pengaruh Rewee Pada pengujian pengaruh pemboboan jumlah Rewee, nilai konsana α dan β akan dilakukan perbandingan sebanyak 11 kali dengan jarak 0-1 aau dengan keenuan β=(1-α). Konsana α merupakan konsana yang akan dikali dengan pemboboan eks, sedangkan konsana β merupakan konsana yang akan dikali dengan pemboboan jumlah rewee. Sehingga, jika nilai konsana α= maka proses klasifikasi hanya menggunakan pemboboan jumlah rewee saja. Sedangkan jika nilai konsana β= maka proses klasifikasi hanya menggunakan pemboboan eks saja. Nilai k yang digunakan adalah nilai k opimal, hasil dari pengujian yang elah dilakukan sebelumnya yaiu k=3. Hasil dari pengujian pengaruh pemboboan jumlah rewee erdapa pada Tabel 2. Tabel 2. Pengujian Pengaruh Jumlah Rewee Konsan a F- No Accurac Precisio Β Recall Measur. y n α (1- e α) ,50% 77,46% 91,66 % 83,96% ,33% 77,02% 95% 85,07% 3. 96, ,33% 76,31% 8 % 85,29% ,50% 74,07% 100% 85,10% ,50% 74,07% 100% 85,10% % 72,28% 100% 83,91% ,83% 67,41% 100% 853% ,16% 58,25% 100% 73,61% ,66% 56,60% 100% 72,28% % 56,07% 100% 71,85% % 55,56% 100% 71,42% Berdasarkan pada Tabel 2, maka dapa dilakukan analisis : 1. Pada pengujian pengaruh pemboboan jumlah rewee menunjukkan bahwa nilai α dan β yang opimal sebagai konsana perkalian unuk melakukan proses penggabungan pemboboan eksual dan non-eksual yaiu α=8 dan β=2 menghasilkan ingka akurasi yang inggi mencapai 83,33%, precision mencapai
6 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer ,31%, nilai recall idak mencapai 100%, hanya mencapai 96,67%, dan f-measure mencapai 85,29%. 2. jumlah rewee erbuki memiliki pengaruh pada hasil klasifikasi dan ingka akurasi sisem dengan nilai konsana α dan β yang epa yaiu perbandingan anara keduanya harus lebih inggi nilai konsana α daripada konsana β. Kondisi ersebu membukikan bahwa pemboboan eks lebih berperan daripada pemboboan jumlah rewee. Penambahan pemboboan jumlah rewee dapa meningkakan nilai accuracy, precision, recall, dan f-measure meskipun hasilnya idak erlalu signifikan Pengujian Akurasi Sisem Pada pengujian akurasi sisem ini perbandingan daa laih dan daa uji yang digunakan yaiu 70% unuk daa laih dan 30% unuk daa uji (Faradhillah, Kusumawardani, & Hafidz, 2016). Jumlah daa laih dan daa uji yang digunakan yaiu 280 dan 120 (Samuel, Delima, & Rachma, 2014). Kemudian pada pengujian ini akan membandingkan ingka akurasi sisem hanya menggunakan pemboboan eksual, hanya menggunakan pemboboan noneksual, dan penggabungan pemboboan eksual dan non-eksual. Nilai k yang digunakan unuk melakukan pengujian akurasi sisem adalah k=3, dan nilai konsana yang digunakan α=8 dan β=2. Parameer pengujian yang digunakan yaiu Accuracy, Precision, Recall, dan F-Measure. Confusion Marix dan hasil dari pengujian akurasi sisem erdapa pada Tabel 3 dan Tabel 4. Tabel 3. Confusion Marix Pengujian Akurasi Sisem True Posiif False Posiif True Negaif False Negaif Teksual Non- Teksual Penggabungan Teksual dan Non-Teksua Tabel 4. Hasil Pengujian Akurasi Sisem Teksual Non- Teksual Penggabungan Teksual dan Non-Teksual Accurac y 82,50% 60% 83,33% Precisio n 77,46% 55,55% 76,31% Recall 91,66% 100% 96,66% F- Measure 83,96% 71,42% 85,29% Dari hasil pengujian ersebu dapa diliha grafik pengujian akurasi sisem yang diampilkan dalam Gambar % 95% 90% 85% 80% 75% 70% 65% 60% 55% 50% Hasil Pengujian Akurasi Sisem Teksual Non-Teksual Penggabungan Teksual dan Non-Teksual Gambar 2. Grafik Pengujian Akurasi Sisem Berdasarkan pada Gambar 2, maka dapa dilakukan analisis : 1. Pada pengujian yang dilakukan hanya menggunakan pemboboan eksual saja, menghasilkan nilai accuracy mencapai 82,50%. Tingka akurasi cukup inggi meskipun idak diambahkan pemboboan non-eksual. Namun pada pengujian ini erdapa false negaif sebanyak 5. False negaif merupakan dokumen uji yang seharusnya masuk pada kaegori posiif, namun hasil analisis sisem menghasilkan keluaran negaif. Agar jumlah false negaif berkurang, sebaiknya diambahkan pemboboan non-eksual agar memperkua nilai posiif pada dokumen uji ersebu, sehingga dapa meningkakan nilai akurasi. 2. Pada pengujian yang dilakukan hanya menggunakan pemboboan non-eksual
7 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1756 saja, menghasilkan ingka akurasi paling rendah yaiu 60%. Hal ersebu erjadi karena pemboboan eksual idak dilakukan perhiungan unuk proses penggabungan, sehingga dokumen uji yang idak memiliki jumlah Rewee akan diberikan bobo 1, karena pada normalisasi jumlah Rewee, nilai minimum diberikan bobo 1. Hal ersebu menghasilkan jumlah false posiif sebanyak 16, yang mengakibakan ingka akurasi yang rendah. Nilai recall keika menggunakan pemboboan non-eksual dapa mencapai 100% karena idak erdapa false negaive, sehingga nilai recall dapa mencapai 100%. 3. Pada pengujian yang dilakukan penggabungan pemboboan eksual dan non-eksual dengan nilai konsana α=8 dan β=2 memperoleh nilai accuracy paling inggi dianara pemboboan eksual dan non-eksual saja meskipun selisihnya idak erlalu signifikan yaiu mencapai 83,33%. Kondisi ersebu erjadi karena penambahan pemboboan non-eksual yang digabungkan dengan pemboboan eksual dapa memperkua nilai posiif pada dokumen uji, yang mengakibakan jumlah false negaif berkurang, sehingga dapa meningkakan nilai akurasi. Hal ersebu menunjukkan bahwa penambahan pemboboan non-eksual dapa mempengaruhi ingka akurasi dari sisem. 4. KESIMPULAN Dari hasil pengujian dan analisis yang elah dilakukan sebelumnya, maka dapa diambil suau kesimpulan, yaiu : 1. Meode KNN dan pemboboan jumlah rewee dapa dierapkan pada analisis senimen erhadap ayangan elevisi berdasarkan opini masyaraka pada media sosial Twier. Tahapan proses yang dilakukan yaiu pemboboan eksual, pemboboan jumlah rewee (non-eksual) yang dinormalisasi Min-max, kemudian penggabungan anara keduanya sehingga dapa dikeahui dokumen yang elah dilakukan proses klasifikasi bernilai posiif aau negaif. 2. Nilai k opimal unuk melakukan proses klasifikasi KNN adalah k=3, dengan ingka akurasi mencapai 883%, precision mencapai 72,28%, recall mencapai 100%, dan f-measure mencapai 83,91%. 3. Pengujian nilai konsana α dan β mendapanya nilai α dan β yang opimal yaiu α=8 dan β=2 dengan menggunakan nilai k=3, menghasilkan ingka akurasi mencapai 83,33%, precision mencapai 76,31%, nilai recall mencapai 96,67%, dan f-measure mencapai 85,29%. Nilai konsana α dan β yang epa yaiu perbandingan anara keduanya harus lebih inggi nilai konsana α daripada konsana β. Kondisi ersebu membukikan bahwa pemboboan eks lebih berperan daripada pemboboan jumlah Rewee. Penambahan pemboboan jumlah Rewee dapa meningkakan nilai accuracy, precision, recall, dan f-measure meskipun hasilnya idak erlalu signifikan. 4. Tingka akurasi keika menggunakan pemboboan eksual mencapai 82,50%, keika menggunakan pemboboan noneksual mencapai 60%, sedangkan keika menggunakan penggabungan keduanya mencapai 83,33%. Nilai k yang digunakan yaiu k = 3 yang merupakan k opimal, dan konsana α=8 dan β=2. Dapa disimpulkan bahwa penggabungan pemboboan eksual dan pemboboan noneksual dapa meningkakan akurasi sisem. DAFTAR PUSTAKA Adeniyi, D., Wei, Y., & Yongquan, Y. (2016). Auomaed web usage daa mining and recommendaion sysem using. Applied Compuing and Informaics, 12, Fachruddin, A. (2016). Manajemen Perelevisisan Indonesia Modern. Yogyakara, Jawa Tengah. Faradhillah, N. T., Kusumawardani, R. P., & Hafidz, I. (2016). Eksperimen Sisem Klasifikasi Analisa Senimen Twier Pada Akun Resmi Pemerinah Koa Surabaya Berbasis Pembelajaran Mesin. Seminar Nasional Sisem Informasi Indonesia. Hardiyano, E., & Rahuomo, F. (2016). Sudi Awal Klasifikasi Arikel Wikipedia Bahasa Indonesia Dengan Menggunakan Meoda K-Neares Neighbor. Seminar Nasional Terapan Rise Inovaif Semarang. Semarang.
8 Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer 1757 Junaedi, H., Budiano, H., Maryai, I., & Melani, Y. (2011). Daa Transformaion pada Daa Mining. Surabaya: IdeaTech2011. Liu, B. (2012). Senimen Analysis And Opinion Mining. Diakses pada anggal : 27 Februari 2017, Tersedia di hps:// menanalysis-and-opinionmining.pdf Maulana, M. F., Saepudin, D., & Rohmawai, A. A. (21016). Pemodelan Sisem Dinamika Anara Suku Bunga Bank Indonesia, Kurs Dolar Terhadap Rupiah, dan Inflasi dengan Algorima Geneika dan Runge Kua. Bandung: Universias Telkom. Perdana, R. S., & Pinandio, A. (2017). Combining Likes-Rewee Analysis and Naive Bayes Classifier Wihin Twier for Senimen Analysis. Inernaional Conference On Communicaion And Compuer Engineering. Penang, Malaysia: Journal of Telecommunicaion, Eleronic And Compuer Engineering (JTEC). Samuel, Y., Delima, R., & Rachma, A. (2014). Implemenasi Meode K-Neares Neighbor dengan Decision Rule unuk Klasifikasi Subopik Beria. 1 hal Tiara, Sabariah, M. K., & Effendy, V. (2015). Analisis Senimen pada Twier unuk Menilai Performansi Program Televisi dengan Kombinasi Meode Lexicon- Based dan Suppor Vecor Machine. 3rd Inernaional Conference on Informaion and Communicaion Technology (ICoICT) (hal ). Bandung: Universias Telkom.
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS. Wulan Fatin Nasyuha¹, Husaini 2 dan Mursyidah 3 ABSTRAK
KLASIFIKASI DOKUMEN TUGAS AKHIR MENGGUNAKAN ALGORITMA K-MEANS Wulan Fain Nasyuha¹, Husaini 2 dan Mursyidah 3 1,2,3 Teknologi Informasi dan Kompuer, Polieknik Negeri Lhokseumawe, Jalan banda Aceh-Medan
Lebih terperinciPENERAPAN SENTIMENT ANALYSIS PADA HASIL EVALUASI DOSEN DENGAN METODE SUPPORT VECTOR MACHINE
PEERAPA SETIMET AALYSIS PADA HASIL EVALUASI DOSE DEGA METODE SUPPORT VECTOR MACHIE Valonia Inge Sanoso¹, Gloria Virginia², Yuan Lukio³ Program Sudi Teknik Informaika Fakulas Teknologi Informasi Universias
Lebih terperinciB a b 1 I s y a r a t
TKE 305 ISYARAT DAN SISTEM B a b I s y a r a Indah Susilawai, S.T., M.Eng. Program Sudi Teknik Elekro Fakulas Teknik dan Ilmu Kompuer Universias Mercu Buana Yogyakara 009 BAB I I S Y A R A T Tujuan Insruksional.
Lebih terperinciKLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5)
KLASIFIKASI DATA PRODUKSI PADI PULAU JAWA MENGGUNAKAN ALGORITMECLASSIFICATION VERSION 4.5 (C4.5) Dwi Seyowai, Yuliana Susani, Supriyadi Wibowo Program Sudi Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 2 LANDASAN TEORI. Produksi padi merupakan suatu hasil bercocok tanam yang dilakukan dengan
BAB 2 LANDASAN TEORI 2.1. Produksi Produksi padi merupakan suau hasil bercocok anam yang dilakukan dengan penanaman bibi padi dan perawaan sera pemupukan secara eraur sehingga menghasilkan suau produksi
Lebih terperinciEVALUASI KINERJA SISTEM PENYARINGAN INFORMASI MODEL RUANG VEKTOR
Yogyakara, 7 Juni 006 EVALUASI KINERJA SISTEM PENYARINGAN INFORMASI MODEL RUANG VEKTOR Rila Mandala Kelompok Keahlian Informaika, Sekolah Teknik Elekro dan Informaika, Insiu Teknologi Bandung Jalan Ganesha
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA 1. PENDAHULUAN
PEMODELAN NILAI UKAR RUPIAH ERHADAP $US MENGGUNAKAN DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY, DIMAS HARI SANOSO, N. K. KUHA ARDANA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Pada dasarnya peramalan adalah merupakan suau dugaan aau perkiraan enang erjadinya suau keadaan di masa depan. Akan eapi dengan menggunakan meodemeode erenu peramalan
Lebih terperinciINTEGRASI PEMBOBOTAN TF-IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS
INTEGRASI PEMBOBOTAN TF-IDF PADA METODE K-MEANS UNTUK CLUSTERING DOKUMEN TEKS Deddy Wijaya Sulianoro 1, *), Irya Wisnubhadra 2) dan Ernawai 3) 1) Magiser Teknik Informaika, Universias Ama Jaya Yogyakara
Lebih terperinciPENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Studi pada karyawan tetap PT PG Tulangan Sidoarjo)
PENGARUH PENGEMBANGAN KARYAWAN TERHADAP MOTIVASI DAN PRESTASI KERJA KARYAWAN (Sudi pada karyawan eap PT PG Tulangan Sidoarjo) Niken Dwi Okavia Heru Susilo Moehammad Soe`oed Hakam Fakulas Ilmu Adminisrasi
Lebih terperinciBAB 1 PENDAHULUAN. Sumber Daya Alam (SDA) yang tersedia merupakan salah satu pelengkap alat
BAB 1 PENDAHULUAN 1.1 Laar Belakang Sumber Daya Alam (SDA) yang ersedia merupakan salah sau pelengkap ala kebuuhan manusia, misalnya anah, air, energi lisrik, energi panas. Energi Lisrik merupakan Sumber
Lebih terperinciVARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE
VARIABEL-VARIABEL YANG MEMPENGARUHI ACTUAL SYSTEM USAGE (ASU) PADA PEMANFAATAN STUDENTSITE Indra Nurhadi Program Sudi Manajemen Ekonomi, Fakulas Ekonomi, Universias Gunadarma Jl. Akses Kelapa Dua Cimanggis,
Lebih terperinciMODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH)
Journal Indusrial Servicess Vol. No. Okober 0 MODEL OPTIMASI PENGGANTIAN MESIN PEMECAH KULIT BERAS MENGGUNAKAN PEMROGRAMAN DINAMIS (PABRIK BERAS DO A SEPUH) Abdul Gopar ) Program Sudi Teknik Indusri Universias
Lebih terperinciPERHITUNGAN VALUE AT RISK (VaR) DENGAN SIMULASI MONTE CARLO (STUDI KASUS SAHAM PT. XL ACIATA.Tbk)
Jurnal UJMC, Volume 3, Nomor 1, Hal. 15-0 pissn : 460-3333 eissn : 579-907X ERHITUNGAN VAUE AT RISK (VaR) DENGAN SIMUASI MONTE CARO (STUDI KASUS SAHAM T. X ACIATA.Tbk) Sii Alfiaur Rohmaniah 1 1 Universias
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan di PT Panafil Essenial Oil. Lokasi dipilih dengan perimbangan bahwa perusahaan ini berencana unuk melakukan usaha dibidang
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LADASA TEORI 2.1 Pengerian Peramalan Peramalan (forecasing) adalah suau kegiaan yang memperkirakan apa yang akan erjadi pada masa yang akan daang. Meode peramalan merupakan cara unuk memperkirakan
Lebih terperinciBAB III METODE PEMULUSAN EKSPONENSIAL TRIPEL DARI WINTER. Metode pemulusan eksponensial telah digunakan selama beberapa tahun
43 BAB METODE PEMUUAN EKPONENA TRPE DAR WNTER Meode pemulusan eksponensial elah digunakan selama beberapa ahun sebagai suau meode yang sanga berguna pada begiu banyak siuasi peramalan Pada ahun 957 C C
Lebih terperinciBAB I PENDAHULUAN. tepat rencana pembangunan itu dibuat. Untuk dapat memahami keadaan
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam perencanaan pembangunan, daa kependudukan memegang peran yang pening. Makin lengkap dan akura daa kependudukan yang esedia makin mudah dan epa rencana pembangunan
Lebih terperinciBAB 1 PENDAHULUAN. Dalam pelaksanaan pembangunan saat ini, ilmu statistik memegang peranan penting
BAB 1 PENDAHULUAN 1.1. Laar Belakang Dalam pelaksanaan pembangunan saa ini, ilmu saisik memegang peranan pening baik iu di dalam pekerjaan maupun pada kehidupan sehari-hari. Ilmu saisik sekarang elah melaju
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis Peneliian Jenis peneliian kuaniaif ini dengan pendekaan eksperimen, yaiu peneliian yang dilakukan dengan mengadakan manipulasi erhadap objek peneliian sera adanya konrol.
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah Dalam sisem perekonomian suau perusahaan, ingka perumbuhan ekonomi sanga mempengaruhi kemajuan perusahaan pada masa yang akan daang. Pendapaan dan invesasi merupakan
Lebih terperinciANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ)
hp://jurnal.upnyk.ac.id/index.php/opsi OPSI Jurnal Opimasi Sisem Indusri ANALISIS KEHANDDALAN DAN LAJU KERUSAKAN PADA MESIN CONTINUES FRYING (STUDI KASUS : PT XYZ) Ahmad Muhsin, Ichsan Syarafi Jurusan
Lebih terperinciBAB 1 PENDAHULUAN. Pertumbuhan ekonomi merupakan salah satu ukuran dari hasil pembangunan yang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju perumbuhan
Lebih terperinciBAB II LANDASAN TEORI. Peramalan (Forecasting) adalah suatu kegiatan yang mengestimasi apa yang akan
BAB II LADASA TEORI 2.1 Pengerian peramalan (Forecasing) Peramalan (Forecasing) adalah suau kegiaan yang mengesimasi apa yang akan erjadi pada masa yang akan daang dengan waku yang relaif lama (Assauri,
Lebih terperinciPerencanaan Sistem Pendukung Keputusan Untuk Peningkatan Produktivitas
Perencanaan Sisem Pendukung Kepuusan Unuk Peningkaan Produkivias Abdurrozzaq Hasibuan Jurusan Teknik Indusri, Fakulas Teknik, UISU Jln. Sisingamangaraja Telp. 7869920 Teladan Medan Email : rozzaq@uisu.ac.id
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Perumbuhan ekonomi merupakan salah sau ukuran dari hasil pembangunan yang dilaksanakan khususnya dalam bidang ekonomi. Perumbuhan ersebu merupakan rangkuman laju-laju
Lebih terperinciSISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA)
SISTEM PENDUKUNG KEPUTUSAN DALAM PEMILIHAN TEMPAT KOST DENGAN METODE PEMBOBOTAN ( STUDI KASUS : SLEMAN YOGYAKARTA) I Wayan Supriana Program Pascasarjana Ilmu Kompuer Fakulas MIPA Universias Gadjah Mada
Lebih terperinciIII METODE PENELITIAN
III METODE PENELITIAN 3.1 Waku dan Tempa Peneliian Peneliian mengenai konribusi pengelolaan huan rakya erhadap pendapaan rumah angga dilaksanakan di Desa Babakanreuma, Kecamaan Sindangagung, Kabupaen Kuningan,
Lebih terperinciBAB 1 PENDAHULUAN. tahun 1990-an, jumlah produksi pangan terutama beras, cenderung mengalami
11 BAB 1 PENDAHULUAN 1.1. Laar Belakang Keahanan pangan (food securiy) di negara kia ampaknya cukup rapuh. Sejak awal ahun 1990-an, jumlah produksi pangan eruama beras, cenderung mengalami penurunan sehingga
Lebih terperinciBAB III METODE DEKOMPOSISI CENSUS II. Data deret waktu adalah data yang dikumpulkan dari waktu ke waktu
BAB III METODE DEKOMPOSISI CENSUS II 3.1 Pendahuluan Daa dere waku adalah daa yang dikumpulkan dari waku ke waku unuk menggambarkan perkembangan suau kegiaan (perkembangan produksi, harga, hasil penjualan,
Lebih terperinciPELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n untuk d = 1 atau d = 2
Jurnal Maemaika UNAND Vol. No. 1 Hal. 3 36 ISSN : 303 910 c Jurusan Maemaika FMIPA UNAND PELABELAN TOTAL (a, d)-sisi ANTIAJAIB SUPER PADA K 1,m K 1,n unuk d = 1 aau d = DINA YELNI Program Sudi Maemaika,
Lebih terperinciBAB III HASIL DAN PEMBAHASAN. A. Permasalahan Nyata Penyebaran Penyakit Tuberculosis
BAB III HASIL DAN PEMBAHASAN A. Permasalahan Nyaa Penyebaran Penyaki Tuberculosis Tuberculosis merupakan salah sau penyaki menular yang disebabkan oleh bakeri Mycobacerium Tuberculosis. Penularan penyaki
Lebih terperinciJurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember ABSTRAK
PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano,
Lebih terperinciIII. METODOLOGI PENELITIAN
III. METODOLOGI PENELITIAN 3.1. Kerangka Pemikiran Peneliian Keinginan Kelompok Tani Duma Lori yang erdapa di Desa Konda Maloba dan masyaraka sekiar akan berdirinya penggilingan gabah di daerahnya, elah
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
11 BAB I PENDAHULUAN 1.1 Laar Belakang Salah sau masalah analisis persediaan adalah kesulian dalam menenukan reorder poin (iik pemesanan kembali). Reorder poin diperlukan unuk mencegah erjadinya kehabisan
Lebih terperinciPENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 2012/2013
Jurnal Lensa Kependidikan Fisika Vol. 1 Nomor 1, Juni 13 ISSN: 338-4417 PENGARUH MODEL PEMBELAJARAN PROBLEM SOLVING TERHADAP HASIL BELAJAR FISIKA SISWA KELAS VIII DI SMPN 5 LINGSAR TAHUN PELAJARAN 1/13
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Laar Belakang Masalah persediaan merupakan masalah yang sanga pening dalam perusahaan. Persediaan mempunyai pengaruh besar erhadap kegiaan produksi. Masalah persediaan dapa diaasi
Lebih terperinciBAB 1 PENDAHULUAN. Propinsi Sumatera Utara merupakan salah satu propinsi yang mempunyai
BAB 1 PENDAHULUAN 1.1 Laar Belakang Propinsi Sumaera Uara merupakan salah sau propinsi yang mempunyai perkembangan yang pesa di bidang ransporasi, khususnya perkembangan kendaraan bermoor. Hal ini dapa
Lebih terperinciBAB 2 URAIAN TEORI. waktu yang akan datang, sedangkan rencana merupakan penentuan apa yang akan
BAB 2 URAIAN EORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan aau memprediksi apa yang erjadi pada waku yang akan daang, sedangkan rencana merupakan penenuan apa yang akan dilakukan
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang
BAB 2 TINJAUAN TEORITIS 2.1 Pengerian dan Manfaa Peramalan Kegiaan unuk mempeirakan apa yang akan erjadi pada masa yang akan daang disebu peramalan (forecasing). Sedangkan ramalan adalah suau kondisi yang
Lebih terperinciHUMAN CAPITAL. Minggu 16
HUMAN CAPITAL Minggu 16 Pendahuluan Invesasi berujuan unuk meningkakan pendapaan di masa yang akan daang. Keika sebuah perusahaan melakukan invesasi barang-barang modal, perusahaan ini akan mengeluarkan
Lebih terperincix 4 x 3 x 2 x 5 O x 1 1 Posisi, perpindahan, jarak x 1 t 5 t 4 t 3 t 2 t 1 FI1101 Fisika Dasar IA Pekan #1: Kinematika Satu Dimensi Dr.
Pekan #1: Kinemaika Sau Dimensi 1 Posisi, perpindahan, jarak Tinjau suau benda yang bergerak lurus pada suau arah erenu. Misalnya, ada sebuah mobil yang dapa bergerak maju aau mundur pada suau jalan lurus.
Lebih terperinciMETODE PENELITIAN. yang digunakan untuk mengetahui dan pembahasannya mengenai biaya - biaya
III. METODE PENELITIAN A. Meode Dasar Peneliian Meode yang digunakan dalam peneliian ini adalah meode kuaniaif, yang digunakan unuk mengeahui dan pembahasannya mengenai biaya - biaya usaha melipui biaya
Lebih terperinciAnalisis Model dan Contoh Numerik
Bab V Analisis Model dan Conoh Numerik Bab V ini membahas analisis model dan conoh numerik. Sub bab V.1 menyajikan analisis model yang erdiri dari analisis model kerusakan produk dan model ongkos garansi.
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1. Lokasi dan Waku Peneliian Peneliian ini dilakukan di Dafarm, yaiu uni usaha peernakan Darul Fallah yang erleak di Kecamaan Ciampea, Kabupaen Bogor, Jawa Bara. Pemilihan lokasi
Lebih terperinciBAB 4 ANALISIS DAN PEMBAHASAN
BAB 4 ANALISIS DAN EMBAHASAN 4.1 Karakerisik dan Obyek eneliian Secara garis besar profil daa merupakan daa sekunder di peroleh dari pusa daa saisik bursa efek Indonesia yang elah di publikasi, daa di
Lebih terperinciBAB 2 LANDASAN TEORI. Metode Peramalan merupakan bagian dari ilmu Statistika. Salah satu metode
20 BAB 2 LADASA TEORI 2.1. Pengerian Peramalan Meode Peramalan merupakan bagian dari ilmu Saisika. Salah sau meode peramalan adalah dere waku. Meode ini disebu sebagai meode peramalan dere waku karena
Lebih terperinciBAB III METODE PENELITIAN
A III METODE PEELITIA Salah sau komponen peneliian yang mempunyai ari pening dalam kaiannya dengan proses sudi secara komprehensif adalah komponen meode peneliian. Meode peneliian menjelaskan bagaimana
Lebih terperinciBAB III METODOLOGI PENELITIAN. Penelitian ini adalah penelitian Quasi Eksperimental Design dengan
BAB III METODOLOGI PENELITIAN A. Jenis dan Desain Peneliian Peneliian ini adalah peneliian Quasi Eksperimenal Design dengan kelas eksperimen dan kelas conrol dengan desain Prees -Poses Conrol Group Design
Lebih terperinciJurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Jurnal Pengembangan Teknologi Informasi dan Ilmu Kompuer Vol. 2, No. 5, Mei 2018, hlm. 1856-1865 e-issn: xxx-xxx hp://j-piik.ub.ac.id Klasifikasi Keminaan Menggunakan Algorime Exreme Learning Machine dan
Lebih terperinciBAB 2 LANDASAN TEORI. Pengangguran atau tuna karya merupakan istilah untuk orang yang tidak mau bekerja
BAB 2 LANDASAN TEORI 2.1 Pengerian Pengangguran Pengangguran aau una karya merupakan isilah unuk orang yang idak mau bekerja sama sekali, sedang mencari kerja, bekerja kurang dari dua hari selama seminggu,
Lebih terperinciBAB 3 METODOLOGI PEMECAHAN MASALAH
BAB 3 METODOLOGI PEMECAHAN MASALAH 3.1 Tahapan Pemecahan Masalah Tahapan pemecahan masalah berfungsi unuk memudahkan dalam mencari jawaban dalam proses peneliian yang dilakukan agar sesuai dengan arah
Lebih terperinciBAB II TINJAUAN TEORITIS
BAB II TIJAUA TEORITIS 2.1 Peramalan (Forecasing) 2.1.1 Pengerian Peramalan Peramalan dapa diarikan sebagai beriku: a. Perkiraan aau dugaan mengenai erjadinya suau kejadian aau perisiwa di waku yang akan
Lebih terperinciKARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL. Sudarno Staf Pengajar Program Studi Statistika FMIPA UNDIP
Karakerisik Umur Produk (Sudarno) KARAKTERISTIK UMUR PRODUK PADA MODEL WEIBULL Sudarno Saf Pengajar Program Sudi Saisika FMIPA UNDIP Absrac Long life of produc can reflec is qualiy. Generally, good producs
Lebih terperinciPENGGUNAAN KONSEP FUNGSI CONVEX UNTUK MENENTUKAN SENSITIVITAS HARGA OBLIGASI
PENGGUNAAN ONSEP FUNGSI CONVEX UNU MENENUAN SENSIIVIAS HARGA OBLIGASI 1 Zelmi Widyanuara, 2 Ei urniai, Dra., M.Si., 3 Icih Sukarsih, S.Si., M.Si. Maemaika, Universias Islam Bandung, Jl. amansari No.1 Bandung
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian Peneliian ini dilaksanakan pada kasus pengolahan ikan asap IACHI Peikan Cia Halus (PCH) yang erleak di Desa Raga Jaya Kecamaan Ciayam, Kabupaen Bogor,
Lebih terperinciBAB 2 TINJAUAN PUSTAKA. yang akan datang. Peramalan menjadi sangat penting karena penyusunan suatu
BAB 2 TINJAUAN PUSTAKA 2.1 Pengerian Peramalan Peramalan adalah kegiaan memperkirakan apa yang erjadi pada waku yang akan daang sedangkan rencana merupakan penenuan apa yang akan dilakukan pada waku yang
Lebih terperinciBAB 2 LANDASAN TEORI
35 BAB LANDASAN TEORI Meode Dekomposisi biasanya mencoba memisahkan iga komponen erpisah dari pola dasar yang cenderung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah fakor rend (kecendrungan),
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN A. Jenis dan Pendekaan Peneliian Jenis peneliian yang digunakan dalam peneliian ini adalah peneliian evaluasi dan pendekaannya menggunakan pendekaan kualiaif non inerakif (non
Lebih terperinciEFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON. Oleh: Nurul Hidayati
EFEKTIVITAS MODEL PEMBELAJARAN BERBASIS MASALAH TERHADAP KEMAMPUAN PEMECAHAN MASALAH MATEMATIKA SISWA KELAS VIII SMP N 3 SEWON Oleh: Nurul Hidayai Mahasiswa S1 Pendidikan Maemaika, Fakulas Keguruan dan
Lebih terperinciIII. METODE PENELITIAN
III. METODE PENELITIAN 3.1. Kerangka Pemikiran Poensi sumberdaya perikanan, salah saunya dapa dimanfaakan melalui usaha budidaya ikan mas. Budidaya ikan mas yang erus berkembang di masyaraka, kegiaan budidaya
Lebih terperinciBAB I PENDAHULUAN. universal, disemua negara tanpa memandang ukuran dan tingkat. kompleks karena pendekatan pembangunan sangat menekankan pada
BAB I PENDAHULUAN A. Laar Belakang Disparias pembangunan ekonomi anar daerah merupakan fenomena universal, disemua negara anpa memandang ukuran dan ingka pembangunannya. Disparias pembangunan merupakan
Lebih terperinciBilangan Dominasi Jarak Dua Pada Graf Hasil Operasi Amalgamasi
Bilangan Dominasi Jarak Dua Pada Graf Hasil Operasi Amalgamasi Ilham Saifudin ) ) Jurusan Teknik Informaika, Fakulas Teknik, Universias Muhammadiyah Jember Jl. Karimaa No. 49 Jember Kode Pos 68 Email :
Lebih terperinciPEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON*
PEMODELAN NILAI TUKAR RUPIAH TERHADAP $US MENGGUNAKAN DERET WAKTU HIDDEN MARKOV HAMILTON* BERLIAN SETIAWATY DAN HIRASAWA Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor
Lebih terperinciIII. METODE PENELITIAN
26 III. METODE PENELITIAN 3.1. Kerangka Pemikiran Penilaian perkembangan kinerja keuangan PT. Goodyear Indonesia Tbk dilakukan dengan maksud unuk mengeahui sejauh mana perkembangan usaha perusahan yang
Lebih terperinciKAJIAN PEMODELAN DERET WAKTU: METODE VARIASI KALENDER YANG DIPENGARUHI OLEH EFEK VARIASI LIBURAN
JMP : Volume 4 omor, Juni 22, hal. 35-46 KAJIA PEMODELA DERET WAKTU: METODE VARIASI KALEDER YAG DIPEGARUHI OLEH EFEK VARIASI LIBURA Winda Triyani Universias Jenderal Soedirman winda.riyani@gmail.com Rina
Lebih terperinciPENDUGAAN PARAMETER DERET WAKTU HIDDEN MARKOV SATU WAKTU SEBELUMNYA
PENDUGAAN PARAMEER DERE WAKU HIDDEN MARKOV SAU WAKU SEBELUMNYA BERLIAN SEIAWAY DAN DIMAS HARI SANOSO Deparemen Maemaika Fakulas Maemaika dan Ilmu Pengeahuan Alam Insiu Peranian Bogor Jl Merani, Kampus
Lebih terperinciBAB I PENDAHULUAN. Perekonomian dunia telah menjadi semakin saling tergantung pada
BAB I PENDAHULUAN A. Laar Belakang Masalah Perekonomian dunia elah menjadi semakin saling erganung pada dua dasawarsa erakhir. Perdagangan inernasional merupakan bagian uama dari perekonomian dunia dewasa
Lebih terperinciBAB 2 LANDASAN TEORI. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa yang
BAB 2 LANDASAN TEORI 2.1 Pengerian Peramalan Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. Sedangkan ramalan adalah suau aau kondisi yang diperkirakan akan erjadi
Lebih terperinciProsiding Seminar Nasional Matematika dan Terapannya 2016 p-issn : ; e-issn :
Prosiding Seminar Nasional Maemaika dan Terapannya 2016 p-issn : 2550-0384; e-issn : 2550-0392 PERAMALAN VOLUME PENGGUNAAN AIR BERSIH DENGAN METODE WINTERS EPONENTIAL SMOOTHING UNTUK MENENTUKAN VOLUME
Lebih terperinciPENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR FISIKA SISWA
ISSN 5-73X PENGARUH STRATEGI PEMBELAJARAN GENIUS LEARNING TERHADAP HASIL BELAJAR ISIKA SISWA Henok Siagian dan Iran Susano Jurusan isika, MIPA Universias Negeri Medan Jl. Willem Iskandar, Psr V -Medan
Lebih terperinciSISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING
Jurnal Informaika Polinema ISSN: 2407-070X SISTEM INFORMASI PERAMALAN STOK BARANG DI CV. ANNORA ASIA MENGGUNAKAN METODE DOUBLE EXPONENTIAL SMOOTHING Mansyur, Erfan Rohadi Program Sudi Teknik Informaika,
Lebih terperinciPeramalan Penjualan Sepeda Motor di Jawa Timur dengan Menggunakan Model Dinamis
JURNAL SAINS DAN NI POMITS Vol. 3, No. 2, (2014) ISSN: 2337-3539 (2301-9271 Prin) D-224 Peramalan Penjualan Sepeda Moor di Jawa Timur dengan Menggunakan Model Dinamis Desy Musika dan Seiawan Jurusan Saisika,
Lebih terperinciPerbandingan Metode Winter Eksponensial Smoothing dan Metode Event Based untuk Menentukan Penjualan Produk Terbaik di Perusahaan X
JURAL SAIS DA SEI ITS Vol. 6, o.1, (2017) 2337-3520 (2301-928X Prin) A 1 Perbandingan Meode Winer Eksponensial Smoohing dan Meode Even Based unuk Menenukan Penjualan Produk Terbaik di Perusahaan X Elisa
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D Manajemen Informaika, STMIK Poensi Uama evrie9@gmail.com
Lebih terperinciIV. METODE PENELITIAN
IV. METODE PENELITIAN 4.1 Lokasi dan Waku Peneliian mengenai kelayakan pengusahaan pupuk kompos dilaksanakan pada uni usaha Koperasi Kelompok Tani (KKT) Lisung Kiwari yang menjalin mira dengan Lembaga
Lebih terperinciBAB II PERTIDAKSAMAAN CHERNOFF
BAB II PERTIDAKSAMAAN CHERNOFF.1 Pendahuluan Di lapangan, yang menjadi perhaian umumnya adalah besar peluang dari peubah acak pada beberapa nilai aau suau selang, misalkan P(a
Lebih terperinciAplikasi Metode Seismik 4D untuk Memantau Injeksi Air pada Lapangan Minyak Erfolg
Aplikasi Meode Seismik 4D unuk Memanau Injeksi Air pada Lapangan Minyak Erfolg Prillia Aufa Adriani, Gusriyansyah Mishar, Supriyano Absrak Lapangan minyak Erfolg elah dieksploiasi sejak ahun 1990 dan sekarang
Lebih terperinciPREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED
PREDIKSI BEBAN LISTRIK MENGGUNAKAN KERNEL RIDGE REGRESSION DENGAN PERTIMBANGAN DUMP POWER DAN ENERGY NOT SERVED Wahyuda 1, Budi Sanosa 2, Nani Kurniai 3 1 Teknik Indusri Universias Mulawarman-Samarinda
Lebih terperinciUSULAN PENERAPAN METODE KOEFISIEN MANAJEMEN (BOWMAN S) SEBAGAI ALTERNATIF MODEL PERENCANAAN PRODUKSI PRINTER TIPE LX400 PADA PT X
USULAN ENERAAN METODE KOEISIEN MANAJEMEN (BOMAN S) SEBAGAI ALTERNATI MODEL ERENCANAAN RODUKSI RINTER TIE LX400 ADA T X Hendi Dwi Hardiman Jurusan Teknik Manajemen Indusri - Sekolah Tinggi Manajemen Indusri
Lebih terperinciKontrol Optimal pada Model Economic Order Quantity dengan Inisiatif Tim Penjualan
Jurnal Teknik Indusri, Vol. 19, No. 1, Juni 17, 1- ISSN 111-5 prin / ISSN 7-739 online DOI: 1.97/ji.19.1.1- Konrol Opimal pada Model Economic Order Quaniy Inisiaif Tim Penjualan Abdul Laif Al Fauzi 1*,
Lebih terperinciBAB I PENDAHULUAN. Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang
BAB I PENDAHULUAN 1.1 Laar Belakang Dalam pembicaraan sehari-hari, bank dikenal sebagai lembaga keuangan yang kegiaan uamanya menerima simpanan giro, abungan dan deposio. Kemudian bank juga dikenal sebagai
Lebih terperinci1.4 Persamaan Schrodinger Bergantung Waktu
.4 Persamaan Schrodinger Berganung Waku Mekanika klasik aau mekanika Newon sanga sukses dalam mendeskripsi gerak makroskopis, eapi gagal dalam mendeskripsi gerak mikroskopis. Gerak mikroskopis membuuhkan
Lebih terperinciIII. METODE PENELITIAN. Usahatani belimbing karangsari adalah kegiatan menanam dan mengelola. utama penerimaan usaha yang dilakukan oleh petani.
III. METODE PENELITIAN A. Konsep Dasar dan Definisi Operasional Usahaani belimbing karangsari adalah kegiaan menanam dan mengelola anaman belimbing karangsari unuk menghasilkan produksi, sebagai sumber
Lebih terperinciAnalisis Gerak Osilator Harmonik Dengan Gaya pemaksa Bebas Menggunakan Metode Elemen Hingga Dewi Sartika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1
Analisis Gerak Osilaor Harmonik Dengan Gaya pemaksa Bebas Menggunakan Meode Elemen Hingga Dewi Sarika junaid 1,*, Tasrief Surungan 1, Eko Juarlin 1 1 Jurusan Fisika FMIPA Universias Hasanuddin, Makassar
Lebih terperinciBAB 2 KINEMATIKA. A. Posisi, Jarak, dan Perpindahan
BAB 2 KINEMATIKA Tujuan Pembelajaran 1. Menjelaskan perbedaan jarak dengan perpindahan, dan kelajuan dengan kecepaan 2. Menyelidiki hubungan posisi, kecepaan, dan percepaan erhadap waku pada gerak lurus
Lebih terperinciAPLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND
APLIKASI PEMULUSAN EKSPONENSIAL DARI BROWN DAN DARI HOLT UNTUK DATA YANG MEMUAT TREND Noeryani 1, Ely Okafiani 2, Fera Andriyani 3 1,2,3) Jurusan maemaika, Fakulas Sains Terapan, Insiu Sains & Teknologi
Lebih terperinciAnalisis Penerapan Model Dinamik Dalam Menentukan Kebijakan Biaya Bahan Baku (Studi Kasus PT. X)
Jurnal Gradien Vol.4 No. Juli 8 : 386-393 Analisis Penerapan Model Dinamik Dalam Menenukan Kebijakan Biaya Bahan Baku (Sudi Kasus PT. X) Sugandi Yahdin, Endro SC, Nova Desmala Jurusan Maemaika, Fakulas
Lebih terperinciRANK DARI MATRIKS ATAS RING
Dela-Pi: Jurnal Maemaika dan Pendidikan Maemaika ISSN 089-855X ANK DAI MATIKS ATAS ING Ida Kurnia Waliyani Program Sudi Pendidikan Maemaika Jurusan Pendidikan Maemaika dan Ilmu Pengeahuan Alam FKIP Universias
Lebih terperinciBAB III ANALISIS INTERVENSI. Analisis intervensi dimaksudkan untuk penentuan jenis respons variabel
BAB III ANALISIS INTERVENSI 3.1. Pendahuluan Analisis inervensi dimaksudkan unuk penenuan jenis respons variabel ak bebas yang akan muncul akiba perubahan pada variabel bebas. Box dan Tiao (1975) elah
Lebih terperinciPENGARUH GAJI, UPAH, DAN TUNJANGAN KARYAWAN TERHADAP KINERJA KARYAWAN PADA PT. XYZ
PENGARUH GAJI, UPAH, DAN TUNJANGAN KARYAWAN TERHADAP KINERJA KARYAWAN PADA PT. XYZ Khairunnisa aubara 1, Ir. Sugiharo Pujangkoro, MM 2, uchari, ST, M.Kes 2 Deparemen Teknik Indusri, Fakulas Teknik, Universias
Lebih terperinciBAB 2 TINJAUAN TEORITIS. Peramalan adalah kegiatan untuk memperkirakan apa yang akan terjadi di masa
BAB 2 TINJAUAN TEORITI 2.1. Pengerian-pengerian Peramalan adalah kegiaan unuk memperkirakan apa yang akan erjadi di masa yang akan daang. edangkan ramalan adalah suau siuasi aau kondisi yang diperkirakan
Lebih terperinciPENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN
PENINGKATAN KEPUASAN PASIEN FOKUS PADA KUALITAS PELAYANAN Oong Karyono Teknik Indusri, Fakulas Teknik Universias Majalengka Email : oong_karyono@rockemail.com ABSTRAK Rumah saki umum daerah (RSUD) Kabupaen
Lebih terperinci*Corresponding Author:
Prosiding Seminar Tugas Akhir FMIPA UNMUL 5 Periode Mare 6, Samarinda, Indonesia ISBN: 978-6-7658--3 Penerapan Model Neuro-Garch Pada Peramalan (Sudi Kasus: Reurn Indeks Harga Saham Gabungan) Applicaion
Lebih terperinciANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Studi kasus pada CV Cita Nasional.
JURNAL ILMIAH RANGGAGADING Volume 7 No. 1, April 7 : 3-9 ANALISIS DIRECT SELLING COST DALAM MENINGKATKAN VOLUME PENJUALAN Sudi kasus pada CV Cia Nasional. Oleh Emmy Supariyani* dan M. Adi Nugroho *Dosen
Lebih terperinciPERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI
Seminar Nasional Informaika 24 PERANCANGAN SISTEM PENDUKUNG KEPUTUSAN DENGAN METODE BOBOT UNTUK MENILAI KENAIKAN GOLONGAN PEGAWAI Evri Ekadiansyah Program Sudi D3 Manajemen Informaika, STMIK Poensi Uama
Lebih terperinciPemodelan Data Runtun Waktu : Kasus Data Tingkat Pengangguran di Amerika Serikat pada Tahun
Pemodelan Daa Runun Waku : Kasus Daa Tingka Pengangguran di Amerika Serika pada Tahun 948 978. Adi Seiawan Program Sudi Maemaika, Fakulas Sains dan Maemaika Universias Krisen Saya Wacana, Jl. Diponegoro
Lebih terperinciBAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF
BAB III RUNTUN WAKTU MUSIMAN MULTIPLIKATIF Pada bab ini akan dibahas mengenai sifa-sifa dari model runun waku musiman muliplikaif dan pemakaian model ersebu menggunakan meode Box- Jenkins beberapa ahap
Lebih terperinci2014 LABORATORIUM FISIKA MATERIAL IHFADNI NAZWA EFEK HALL. Ihfadni Nazwa, Darmawan, Diana, Hanu Lutvia, Imroatul Maghfiroh, Ratna Dewi Kumalasari
2014 LAORATORIUM FISIKA MATERIAL IHFADNI NAZWA EFEK HALL Ihfadni Nazwa, Darmawan, Diana, Hanu Luvia, Imroaul Maghfiroh, Rana Dewi Kumalasari Laboraorium Fisika Maerial Jurusan Fisika, Deparemen Fisika
Lebih terperinciBAB III METODOLOGI PENELITIAN
19 BAB III METODOLOGI PENELITIAN 3.1 Waku dan Lokasi Peneliian Peneliian ini dilakukan pada bulan Juni hingga Juli 2011 yang berlokasi di areal kerja IUPHHK-HA PT. Mamberamo Alas Mandiri, Kabupaen Mamberamo
Lebih terperinci