Universitas Dian Nuswantoro; Jl. Imam Bonjol 207 & Jl. Nakula I 5-11 Semarang Telp (024) /Fax. (024)
|
|
- Utami Wibowo
- 6 tahun lalu
- Tontonan:
Transkripsi
1 IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: Kategorisasi Laporan Masyarakat Kota Semarang Menggunakan Metode Naïve Bayes Classifier Categorization of community reports in semarang city using naive bayes classifier method Basirudin Ansor 1,Ajib Susanto 2 1,2 Universitas Dian Nuswantoro; Jl. Imam Bonjol 207 & Jl. Nakula I 5-11 Semarang Telp (024) /Fax. (024) Jurusan Teknik Informatika, Fakultas Ilmu Komputer Universitas Dian Nuswantoro, Semarang @mhs.dinus.ac.id, 2 ajibsusanto@gmail.com Abstrak Komunikasi meruapakan hal sangat dibutuhkan oleh berbagai lapisan masyarakat agar komunikasi dapat tersampaikan dengan cepat. Dengan adanya komunikasi digital masyarakat mampu memberikan keluhan serta memberikan aspirasi kepada pemerintah dengan cara melaporkan permasalahannya ke pihak pemerintahan hanya dengan melalui SMS(short message service), media sosial(twitter,facebook, dan instagram), ataupun melalui website pemerintahan. Di kota Semarang masyarakat mampu melaporkan masalahnya dengan menggunakan hal tersebut. Dalam mengkategorikan laporan, pemerintah kota Semarang bagian pelaporan harus mengkategorisasikan manual dengan cara membaca serta memahami isi dari laporan yang dilakukan itu merupakan laporan Aspirasi, Permintaan Informasi atau Pengaduan. Maka dari itu perlu dirancang sebuah sistem untuk mengkategorisasikan laporan secara otomatis. Dalam mengkategorisasikan dokumen uji dapat digunakan metode Naïve Bayes Classifieri. Dengan metode Naïve Bayes untuk menentukan kategori Permintaan Informasi, Aspirasi, dan Pengaduan, digunakan data sebanyak 300 dokumen pelatihan yang masing masing kategori adalah 100 dokumen pelatihan serta 35 data uji, metode Baïve Bayes mampu mengklasifikasikan dokumen dengan akurasi 71,45% masih dapat dikatakan tingkat akurasi yang cukup tinggi. Kata kunci kategorisasi, klasifikasi teks, naïve bayes classifier, text mining Abstract Communication is very needed by various layers of society for communication can be delivered quickly. With the digital communication, the community is able to give complaints and give aspiration to the government by reporting the problems to the government only through SMS (short message service), social media (twitter, facebook, and instagram), or through the government website. In the city of Semarang people are able to report the problem by using it. In categorizing the report, the city government of Semarang's reporting section should categorize the manual by reading and understanding the contents of the report that it is a report of Aspiration, Request for Information or Complaint. Therefore it is necessary to design a system to categorize reports automatically. In categorizing the test documents can be used method Naïve Bayes Classifier. With the Naïve Bayes method of determining the Information Demand, Aspiration, and Complaint category, 300 documentation of each category is 100 training documents and 35 test data, Baïve Bayes method is able to classify documents with an accuracy of 71.45% that can be said the level of accuracy is quite high. Keywords categorization, text classification, naïve bayes classifier, text mining Received June1 st,2012; Revised June25 th, 2012; Accepted July 10 th, 2012
2 2 IJCCS ISSN: P 1. PENDAHULUAN ada saat ini komunikasi menggunakan sesuatu yang digital sangat dibutuhkan oleh berbagai lapisan masyarakat agar komunikasi dapat tersampaikan dengan cepat. Arus informasi yang sangat cepat, bahkan hampir sampai tidak terkontrol ini dapat disebut salah satu dampak positif, karena mampu memberikan informasi mengenai suatu kejadian secara cepat, meskipun terkadang tidak akurat dan tidak tepat[1]. Dengan adanya komunikasi digital masyarakat mampu melaporkan permasalahan kepada pihak pemerintah dengan mudah. Masyarakat dapat melapor dengan menggunakan pesan singkat melalui sms(short message service), melalui web pemerintahan maupun melalui media sosial seperti twitter, facebook, instagram dan lain-lain[2]. Di Kota Semarang terdapat beberapa cara untuk melakukan pelaporan,yaitu dengan sistem LAPOR!. LAPOR! merupakan singkatan dari Layanan Aspirasi dan Pengaduan Online Rakyat yang merupakan layanan aspirasi serta pengaduan masyarakat menggunakan media sosial di Indonesia, dengan cara yang mudah, terpadu dan tuntas dalam mengawasi program-program pembangunan dan layanan publik[2]. Cara melakukan LAPOR! sangatlah mudah hanya dengan SMS ke nomor 1708 dengan format Lapor Hendy (spasi) Aduan masyarakat dapat melaporkan segala permohanan informasi, keluhan dan pelaporan. Setelah itu SMS tersebut akan diverifikasi maksimal tiga hari kerja oleh admin dan lima hari kerja oleh SKPD terkait/ Pemerintah pusat/pemerintah daerah. Kemudian akan dapat jawaban maksimal dua hari kerja. Dengan peningkatan jumlah laporan tentang pelayanan publik yang masuk ke pihak pemerintahan[3] membuat pegawai pemerintahan harus cermat serta cepat dalam mengkategorikan suatu laporan yang dilakukan oleh masyarakat. Menurut Ibu Istikomah, pada tahun 2016 Pemerintah Kota Semarang mampu menerima rata-rata 1500 laporan yang dilakukan oleh masyarakat dan rata-rata per hari mampu menerima laporan sebanyak 50 laporan yang dilakukan oleh masyarakat dengan jenis-jenis laporan yang berbeda-beda dan berbagai macam kategorinya. Pemerintah Kota Semarang merupakan salah satu bagian dari pemerintahan yang melakukan tindak lanjut untuk pelaporan yang dilakukan oleh masyarakat di kota semarang. Tidak hanya warga kota semarang yang melaporkan masalahnya, terkadang masyarakat kabupaten semarang atau diluar kota semarang sering melaporkan masalahnya ke pihak Pemerintah Kota Semarang, hal tersebut membuat pegawai pemerintahan semakin banyak menerima laporan. Karena semakin banyak laporan yang diterima[3], maka akan semakin lama dalam mengkategorikan laporan yang dilakukan sehingga laporan yang dilakukan masyarakat akan lebih lama pula untuk diselesaikan oleh bidangnya. Dalam mengkategorikan laporan pegawai di bagian pelaporan atau harus membaca serta memahami isi dari laporan yang dilakukan itu merupakan laporan Permintaan Informasi, Aspirasi atau Pengaduan. Kategorisasi atau klasifikasi teks dokumen menjadi suatu yang paling tepat untuk menyelesaikan permasalahan tersebut, yaitu dengan melakukan sistem temu kembali atau Information Retrieval. Information Retrieval untuk mengklasifikasi dokumen mempunyai beberapa metode, salah satunya adalah Naïve Bayes Classification. Naïve Bayes merupakan metode klasifikasi yang sederhana mampu mengklasifikasi teks dengan berbagai kategori, sebagai contoh Naïve Bayes mampu melakukan klasifikasi postingan twitter untuk kemacetan lalulintas kota bandung dengan menggunakan dokumen sampel sebanyak 100, Naïve Bayes mampu memberikan akurasi sebesar 78% serta memperoleh akurasi 91,60% dengan dokumen uji sebanyak [4]. Hal ini membuktikan Naïve Bayes mampu memberikan akurasi yang sangat tinggi hanya dengan dokumen yang tidak terlalu banyak. Pada penelitian yang dilakukan oleh Hamzah pada tahun 2012 Naïve Bayes mampu mengklasifikasi dokumen akademik dengan akurasi maksimal sampai 82% dengan 450 dokumen sampel yang digunakan[5]. Berdasarkan uraian diatas penulis mempunyai keinginan untuk melakukan penelitian dengan merancang dan membangun aplikasi kategorisasi laporan masyarakat berdasarkan data yang diperoleh dari laporan masyarakat ke pihak Pemerintah Kota Semarang Bidang Pengaduan Masyarakat. Maka dari itu dengan dilakukannya penelitian ini diharapkan pegawai dalam bidang
3 IJCCS ISSN: pengaduan masyarakat lebih mudah dalam mengkategorisasi laporan yang dilakukan oleh masyarakat di kota semarang sehingga mempercepat dalam penanganan dari laporan tersebut. Jika dalam suatu laporan membutuhkan tiga hari kerja oleh admin untuk proses verifikasi diharapkan dengan penelitian ini proses verifikasi admin akan lebih cepat sehingga penanganan pelaporan mampu dijawab dengan lebih cepat juga. 2. METODE PENELITIAN 2.1 Prosedur Pengumpulan Data Wawancara Untuk mengetahui kendala dan berbagai data yang dibutuhkan pada proses penelitian, peneliti melakukan wawancara langsung terhadap Ibu Istikomah selaku Kepala Bidang Pengaduan Masyarakat Pemerintah Kota Semarang Hal ini sangat diperlukan untuk mengetahui bagaimana dan seperti apa data yang merupakan kategori laporan aspirasi, pengaduan atau permintaan informasi Permohonan Data Laporan Data laporan diperoleh dari pihak pengaduan pemerintah kota semarang berupa data kasar yang akan digunakan sebagai data training dan data uji merupakan hasil laporan dari masyarakat ke pemerintah melalui Short Message Service SMS dengan format laporhendi(spasi)aduan_anda kirim ke 1708, melalui website www. semarangkota.go.id di layanan pengaduan, melalui twitter dengan hashtag #Laporhendi dan mention ataupun pengaduan langsung melalui pihak pengaduan di Pusat Informasi Publik(PIP) Semarang Pencarian Dengan Hashtag Laporhendi Dikarenakan data training yang belum memenuhi kebutuhan sebagai data training dikarenakan data yang diberikan dari permohonan hanya 18 sebanyak 30 data, merupakan data yang belum memenuhi seluruh konteks pelaporan sehingga dikhawatirkan akurasi yang dicapai terlalu sedikit dan melenceng jauh dari kategori yang seharusnya ditetapkan. Maka dari itu pengumpulan metode dengan hashtag laporhendi sangatlah dibutuhkan agar data pelatihan yang digunakan mampu mencukup seluruh permasalahan dan mampu mengkategorikan dengan akurasi yang lebih baik. 2.2 Teknink Analisis Data Setelah mendapatkan data laporan dari pihak pengaduan, maka dilakukan tahap analisis data yang dilakukan sebagai berikut : 1. Data Latih/Training. Data yang digunakan sebagai data latih dalam penelitian ini dibagi menjadi tiga kategori yaitu kategori Aspirasi sebanyak 100 dokumen, Pengaduan sebanyak 100 dokumen dan Permintaan Informasi 100 dokumen sehingga total dokumen yang digunakan sebagai data latih adalah 100 dokumen. Data latih ini digunakan sebagai acuan dalam menentukan pola kategori dari data yang nantinya diujikan. Data latih dipilih dengan pelabelan secara manual dikarenakan data yang digunakan merupakan data yang tidak terlalu banyak. Tidak perlu menggunakan teknik Cluster, namun pelabelan ini dilakukan oleh pihak Pengaduan Pemerintah Kota Semarang sehingga data latih dengan label/kategori tersebut dapat dipertanggungjawabkan kebenarannya.
4 4 IJCCS ISSN: Berikut merupakan beberapa contoh data latih yang telah dilabeli secara manual : Tabel 1. Contoh Laporan Masyarakat No Isi Kelas 1 Saya ingin menanyakan bagaimana caranya naik bus Trans Semarang dari pasar bulu menuju terminal penggaron? Terimakasih 2 Lapor Hendi. Tolong bis Trans Semarang yang baru dirawat dan dijaga lebih baik dari yang sebelumnya. 3 Pak Hendi, armada Trans Semarang yg baru kok sudah berasap hitam..mengganggu pengguna dibelakangnya.pripun Niki? Permintaan Informasi Aspirasi Pengaduan 2. Data Uji Berikut adalah dokumen contoh yang digunakan untuk data uji : Tabel 2. Contoh Data Uji No Laporan 1 Siang pak Hendi mohon ias diberikan jadwal pelayanan di kelurahan karena saya datang di kelurahan yang ada baru petugas bersih bersih 2 Assalamualaikum wb pak hendi mohon trotoar di sepanjang jalan ngaliyan berubah fungsi pejalan kaki tidak dapat tempat jalan mohon dibantu para pejalan kaki terima kasih 2.3 Proses Tahap Implementasi Metode Naïve Bayes Proses Pelatihan Data Gambar 1.Proses Pelatihan Data 1. Pelabelan untuk data training yang telah ditentukan, input data tersebut kedalam database berdasarkan kategori Permintaan Informasi, Aspriasi dan Pengaduan 2. Lakukan tahap Preprosesing yaitu dengan melakukan tahap tokenisasi, stopword removal, dan stemming. 3. Dari hasil hasil preprosesing, hitung jumlah kemunculan setiap kata pada masing-masing dokumen.
5 IJCCS ISSN: Lakukan perhitungan probabilitas tiap-tiap kategori dengan rumus tiap-tiap kategori dibagi dengan jumlah kategori keseluruhan. 5. Perhitungan probabilitas setiap term terhadap tiap-tiap kategori. 6. Proses Pelatihan Selesai Proses Pengujian Data Gambar 2. Proses Pengujian Data proses pengujian sebagai berikut : 1. Masukkan dokumen uji yang telah disediakan 2. Lakukan tahap preprocessing. 3. Menghitung nilai probabilitas masing masing term terhadap tiap tiap dokumen latih yang sudah diinputkan sebelumnya, serta probabilitas masing masing kategori. 4. Dari hasil yang didapat maka lakukan pencarian nilai probabilitas tertinggi antara aspirasi, pengaduan atau permintaan informasi. 5. Didapatkan output hasil kategorisasi dokumen 6. Proses pengujian selesai.
6 6 IJCCS ISSN: HASIL DAN PEMBAHASAN 3.1 Hasil Penelitian Dalam penelitian ini, program yang dihasilkan berupa aplikasi yang berbasis website. Mulai dari input data training, pemrosesan data berupa pada tahap preprocessing serta perhitungan probailitas, serta sampai ke pengujian data untuk menentukan kategori dari suatu laporan. Berikut ini adalah langkah langkah proses untuk menggunakan aplikasi : 1. Input Data Latih Gambar 4. Input data latih Langkah langkah untuk menginputkan data latih adalah seperti berikut : a. Pilih data training dibagian sidemenu program. b. Klik Tombol tambah informasi/tambah aspirasi/tambah pengaduan sesuai dengan kategori data training yang ingin diinputkan. c. Inputkan data training yang sudah diketahui labelnya. d. Klik tambah maka data tersebut akan tersimpa di database. 2. Pengujian data Gambar 5. Pengujian Data Pengujian data dapat dilakukan seperti dibawah ini : a. Pada halaman utama terdapat form yang digunakan untuk melakukan pengujian. b. Inputkakn data uji yang ingin dilakukan uji seperti pada nomor1 c. Klik tombol kategorikan, sistem akan melakukan perhitungan probabilitas kata yang ada di data uji tersebut berdasarkan data training yang sudah diinputkan sebelumnya. d. Setelah itu sistem akan menampilkan hasil dari probabilitas tertinggi dan menampilkan output label yang mempunyai probabilitas tertinggi. e. Simpan kategori seperti yang ditunjuk di nomor 3 itu akan melakukan penyimpanan ke data lapor yang telah dilakukan berdasarkan kategori yang telah didapatkan.
7 IJCCS ISSN: Pembahasan Berdasarkan hasil yang telah didapat pada tabel hasil pengujian menggunakan 35, dapat dihasilkan akurasi sebagai berikut : Tabel 5.3 Perhitungan Confussion Matrix Aktual Permintaan Informasi Aktual Aspirasi Aktual pengaduan Prediksi Permintaan Informasi Prediksi Aspirasi Prediksi Pengaduan Dari hasil perhitungan yang didapatkan dengan menggunakan data uji sebanyak 35 yang masing masing data uji dengan nilai aktual sebanyak 11 data permintaan informasi 7 data aspirasi dan 18 data pengaduan didapatkan nilai akurasi sebagai berikut : Akurasi = x 100% = 71,45% KESIMPULAN Berdasarkan hasil pengujian yang telah dilakukan. Sistem kategorisasi laporan masyarakat Kota Semarang dengan menggunakan metode Naïve Bayes dapat disimpulkan sebagai berikut : 1. Metode Naïve Bayes Classifier dapat diterapkan untuk mengkategorisasikan laporan yang dilakukan masyarakat Kota Semarang. 2. Dengan menggunakan data latih sebanyak 300 data yang masing masing kategori adalah 100 data dan 35 data uji yang digunakan, dapat di hasilkan akurasi sebesar 71,45% dengan menggunakan teknik pengujian confussion matrix 3. Sistem masih menginputkan kategori berdasarkan orang yang melakukan input, masih bersifat subjektif berdasarkan orang yang melakukan input data. 4. Sistem masih dapat mengkategorisasikan laporan yang tidak valid, yang seharusnya tanpa perlu lagi diproses. 5. SARAN Berdasarkan hasil penelitian yang telah dilakukan dengan adanya sistem kategorisasi laporan masyarakat di kota semarang terdapat saran sebagai berikut : 1. Dibuatkan kategorisasi untuk laporan masyarakat Kota Semarang menggunakan metode klasifikasi lain 2. Dibuatkan kamus untuk stemming kata-kata singkatan yang umum dikalangan masyarakat, kata kata bahasa jawa, kata kata non formal agar akurasi yang diperoleh kemungkinan akan lebih tinggi. 3. Sistem untuk verifikasi laporan valid atau laporan yang tidak valid, agar sitem kategorisasi laporan mampu mengkategorikan laporan yang benar serta laporan yang valid. UCAPAN TERIMA KASIH Penulis mengucapkan terima kasih kepada semua pihak, baik instansi pemerintahan, orang tua, keluarga, para dosen, dan teman-teman yang telah memberi dukungan financial terhadap penelitian ini.
8 8 IJCCS ISSN: DAFTAR PUSTAKA [1] S. K. Dini, Dampak Positif dan Negatif Penggunaan Teknologi Informasi dan Komunikasi, Dosen IT, [Online]. Available: [Accessed: 04-May-2017]. [2] Tribun Jateng, Ada Keluhan dan Kritik untuk Kota Semarang, Silakan SMS ke 1708, Begini Caranya, Tribun Jateng, [Online]. Available: [Accessed: 05-Apr-2017]. [3] L. M. PUTRA, Ombudsman: Keluhan Masyarakat Terhadap Pelayanan Publik Semakin Meningkat, Kompas, [Online]. Available: [Accessed: 12-May-2017]. [4] S. Rodiyansyah and E. Winarko, Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification, IJCCS-Indonesian J., vol. 7, no. 1, pp , [5] A. Hamzah, Klasifikasi teks dengan naïve bayes classifier (nbc) untuk pengelompokan teks berita dan abstract akademis, in Prosiding Seminar Nasional Aplikasi Sains & Teknologi (SNAST) Periode III, 2012, no. 2011, pp
Jurnal Politeknik Caltex Riau
1 Jurnal Politeknik Caltex Riau http://jurnal.pcr.ac.id IMPLEMENTASI TEXT MINING DALAM KLASIFIKASI JUDUL BUKU PERPUSTAKAAN MENGGUNAKAN METODE NAIVE BAYES Siti Amelia Apriyanti 1), Kartina Diah Kesuma Wardhani
Lebih terperinciKLASIFIKASI DATA PENGADUAN MASYARAKAT PADA LAMAN PESDUK CIMAHI MENGGUNAKAN ROCCHIO
F.15 KLASIFIKASI DATA PENGADUAN MASYARAKAT PADA LAMAN PESDUK CIMAHI MENGGUNAKAN ROCCHIO Khusnul Khuluqiyah *, Tacbir Hendro Pudjiantoro, Agung Wahana Program Studi Informatika, Fakultas Matematika dan
Lebih terperinciBAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah 1.2 Hipotesis
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Setiap matakuliah memiliki silabus perkuliahan yang berisi materi-materi mengenai matakuliah tersebut. Silabus disusun berdasarkan buku-buku referensi utama
Lebih terperinciPERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI
Techno.COM, Vol. 15, No. 3, Agustus 2016: 241-245 PERBANDINGAN K-NEAREST NEIGHBOR DAN NAIVE BAYES UNTUK KLASIFIKASI TANAH LAYAK TANAM POHON JATI Didik Srianto 1, Edy Mulyanto 2 1,2 Teknik Informatika,
Lebih terperinciPERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 n1 PERANGKAT LUNAK BANTU MENENTUKAN PILIHAN SEPEDA MOTOR BEKAS DI BEDAGAN DENGAN METODE FUZZY TAHANI SOFTWARE OPTIONS HELP DETERMINE USED MOTORCYCLES
Lebih terperinciSISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 198-1520 1 SISTEM PAKAR DETEKSI DINI PENYALAHGUNAAN NARKOBA MENGGUNAKAN TEOREMA BAYES EXPERT SYSTEM FOR EARLY DETECTION OF DRUGS ABUSE USING BAYES THEOREM Cicih
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
3 BAB I PENDAHULUAN 1.1. Latar Belakang Semakin banyaknya pengunaan teknologi informasi pada pemerintahan, dapat mempermudah masyarakat dalam pelayanan masyarakat itu sendiri. Seperti misalnya ketika sesorang
Lebih terperinciSISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM INFORMASI PENGELOLAAN ODI (ORPHAN DETAIL INFORMATION) BERBASIS CLIENT SERVER DI KANTOR BAITULMAAL MUAMALAT Dahlan Abdullah Program Studi Teknik
Lebih terperinciKlasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification
IJCCS, Vol.7, No.1, January 2013, pp. 13~22 ISSN: 1978-1520 13 Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan Naive Bayesian Classification Sandi Fajar Rodiyansyah* 1, Edi Winarko
Lebih 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 terperinciKLASIFIKASI ARTIKEL BERITA MENGGUNAKAN METODE TEXT MINING DAN NAIVE BAYES CLASSIFIER
KLASIFIKASI ARTIKEL BERITA MENGGUNAKAN METODE TEXT MINING DAN NAIVE BAYES CLASSIFIER Ira Anggraeni Setiawan 1), Tacbir Hendro P 2), Dian Nursantika 3) 1),2),3 ) Informatika, Universitas Jenderal Achmad
Lebih terperinciKLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST NEIGHBORS (K-NN)
Klasifikasi Helpdesk Universitas Jenderal Achmad ni... (Herawan dkk.) KLASIFIKASI HELPDESK UNIVERSITAS JENDERAL ACHMAD YANI MENGGUNAKAN CONCEPT FREQUENCY-INVERSE DOCUMENT FREQUENCY (CF-IDF) DAN K-NEAREST
Lebih terperinciPenerapan Data Mining Classification Untuk Prediksi Perilaku Pola Pembelian Terhadap Waktu Transaksi Menggunakan Metode Naïve Bayes
Konferensi Nasional Sistem & Informatika 2015 STMIK STIKOM Bali, 9 10 Oktober 2015 Penerapan Data Mining Classification Untuk Prediksi Perilaku Pola Pembelian Terhadap Waktu Transaksi Menggunakan Metode
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 terperinciRancangan Website Sistem Informasi Akademik Sekolah Menengah Kejuruan (SMK) Negeri 5 Pekanbaru
n 33 Rancangan Website Sistem Informasi Akademik Sekolah Menengah Kejuruan (SMK) Negeri 5 Pekanbaru Eddis Syahputra Pane 1, Muhamad Sadar 2 1 Program Studi Sistem Informasi Fakultas Ilmu Komputer Universitas
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Data Mining adalah proses yang mempekerjakan satu atau lebih teknik pembelajaran komputer (machine learning) untuk menganalisis dan mengekstraksi pengetahuan (knowledge)
Lebih terperinciImplementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110
19 Implementasi Algoritma Naive Bayes Classifier dalam Pengklasifikasian Teks Otomatis Pengaduan dan Pelaporan Masyarakat melalui Layanan Call Center 110 Fitri Handayani dan Feddy Setio Pribadi Jurusan
Lebih terperinciIJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN:
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Klasifikasi Naive Bayes Untuk Strategi Pemasaran Mahasiswa Baru di Universitas Dian Nuswantoro Naive Bayes Classification in marketing strategy of
Lebih terperinciPENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 PENGEMBANGAN SISTEM PENDUKUNG KEPUTUSAN PEMILIHAN KARYAWAN TERBAIK DENGAN METODE PROFILE MATCHING DI PT SUARA MERDEKA DEVELOPMENT OF DECISION SUPPORT
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 terperinciABSTRAK. Kata kunci: Spam, Android, Pesan, Java, Webservice. Universitas Kristen Maranatha
ABSTRAK Penipuan dengan menggunakan pesan singkat pada ponsel yang diterima oleh pengguna sampai sekarang ini masih sangat banyak. Pesan penipuan ini dikirim oleh orang yang tidak bertanggung jawab dan
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 terperinciBandung, Indonesia Bandung, Indonesia
ISSN : 2355-9365 e-proceeding of Engineering : Vol.2, No.2 Agustus 2015 Page 6353 Analisis dan Implementasi Pengklasifikasian Pesan Singkat pada Penyaringan SMS Spam Menggunakan Algoritma Multinomial Naïve
Lebih terperinciKLASIFIKASI TEKS BAHASA BALI DENGAN METODE SUPERVISED LEARNING NAIVE BAYES CLASSIFIER
Teknologi Elektro, Vol. 15, No.2, Juli - Desemberr 2016 81 KLASIFIKASI TEKS BAHASA BALI DENGAN METODE SUPERVISED LEARNING NAIVE BAYES CLASSIFIER Ida Bagus Gede Widnyana Putra 1, Made Sudarma 2, I Nyoman
Lebih terperinciRancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Rancang Bangun Sistem Pembuatan Surat Keputusan dan Sertifikat di STMIK GI MDP Pringka Arwanda Sirwandi, Fransiska PS., S.SI., M.T.I., Mulyati, SE,
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 terperinciBAB I PENDAHULUAN I - 1
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dunia pendidikan merupakan dunia yang memerlukan perhatian khusus karena pendidikan merupakan faktor yang sangat mempengaruhi kualitas para calon penerus bangsa
Lebih terperinciSISTEM KLASIFIKASI REPORTING BERITA MENGGUNAKAN METODE NAIVE BAYES (Studi Kasus Situs Resmi Pemerintahan) KOMPETENSI RPL SKRIPSI
SISTEM KLASIFIKASI REPORTING BERITA MENGGUNAKAN METODE NAIVE BAYES (Studi Kasus Situs Resmi Pemerintahan) KOMPETENSI RPL SKRIPSI Luh Gde Apryta Astaridewi 1108605042 PROGRAM STUDI TEKNIK INFORMATIKA JURUSAN
Lebih terperinciSistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Geografis Kecamatan Ilir Barat II Berbasis Mobile Ahmad Padhli 1, Dedy Hermanto 2 1,2 STMIK GI MDP; Jalan Rajawali 14, Palembang,
Lebih terperinciPerbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor
Perbandingan Klasifikasi Tugas Akhir Mahasiswa Jurusan Teknik Informatika Menggunakan Metode Naïve Bayes Classifier dan K-Nearest Neighbor Yusra 1, Dhita Olivita 2, Yelfi Vitriani 3 1,2,3 Jurusan Teknik
Lebih terperinciBAB 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 terperinciPERBANDINGAN KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN METODE NAÏVE BAYES DENGAN K-NEAREST NEIGHBOR. Abstrak
ISSN 1858 4667 JURNAL LINK Vol 13/No.1/Januari 2010 PERBANDINGAN KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN METODE NAÏVE BAYES DENGAN K-NEAREST NEIGHBOR Cahyo Darujati Fakultas Ilmu Komputer, Universitas Narotama
Lebih terperinciPerancangan Sistem Komunikasi Training Center X
Robby Tan, Kevin Kurniawan Jurusan S1Teknik Informatika Fakultas Teknologi Informasi, Universitas Kristen Maranatha Jl. Prof. Drg. Suria Sumantri no. 65, Bandung email: robby.tan@itmaranatha.org, kevin.kurniawan@hotmail.com
Lebih terperinciKlasifikasi Berita Lokal Radar Malang Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram
Jurnal Ilmiah Teknologi dan Informasia ASIA (JITIKA) Vol.10, No.1, Februari 2016 ISSN: 0852-730X Klasifikasi Berita Lokal Radar Malang Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram Denny Nathaniel
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 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 terperinciKata kunci : Klasifikasi,Kategori Berita, Text Mining, Tf-Idf, Naive Bayes
Analisis Penerapan Algoritma Naive Bayes dalam Pengklasifikasian Konten Berita Bahasa Indonesia Vipy Wahyu Perdana 1, Heru Agus Santoso 2 Teknik Informatika-S1, Fakultas Ilmu Komputer, Universitas Dian
Lebih terperinciPENGGUNAAN METODE MULTINOMIAL NAÏVE BAYES PADA KLASIFIKASI SPAM ABSTRAK
J~ICON, Vol. 3 No. 2, Oktober 2015, pp. 106 ~ 112 106 PENGGUNAAN METODE MULTINOMIAL NAÏVE BAYES PADA KLASIFIKASI SPAM E-MAIL Tince Etlin Tallo 1, Bertha S. Djahi 2, Yulianto T. Polly 3 1,2,3 Jurusan Ilmu
Lebih terperinciTRANSFORMASI Jurnal Informasi & Pengembangan Iptek
APLIKASI DATA MINING UNTUK ANALISIS MEMBANGUN STRATEGI MARKETING DENGAN METODE KLASIFIKASI MENGGUNAKAN TEOREMA BAYES (Studi Kasus: STMIK Bina Patria Magelang) Sugeng Wahyudiono Program Studi Sistem Informasi
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 terperinciOnline News Classification Using Multinomial Naive Bayes
Online News Classification Using Multinomial Naive Bayes Amelia Rahman Informatika, Fakultas MIPA Universitas Sebelas Maret Jalan Ir. Sutami 36A Surakarta amelia.rahman@student.uns.ac.id Wiranto Informatika,
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. penyimpanan dan cepat. Tuntutan dari gerakan anti global warming juga
1 BAB I PENDAHULUAN A. Latar Belakang Dalam era teknologi informasi seperti saat ini, informasi berupa teks sudah tidak lagi selalu tersimpan dalam media cetak seperti kertas. Orang sudah mulai cenderung
Lebih terperinciSISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 SISTEM PENGAMBILAN KEPUTUSAN KREDIT RUMAH DENGAN METODE FUZZY SAW MADM Marganda Simarmata [1], Dahlan Abdullah [2] 1.Program Studi Teknik Informatika
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 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 terperinciKeywords : SMS Gateway, job vacancy, information, graduate, career
SMS Gateway Sebagai Sarana Informasi Layanan Karier Pada Alumni SMK Teuku Umar Semarang Rizal Adhita A11.2008.04388 Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Dian Nuswantoro Semarang
Lebih terperinciISSN: Akhmad Pandhu Wijaya 1, Heru Agus Santoso 2
48 ISSN: 1978-1520 Naive Bayes Classification pada Klasifikasi Dokumen Untuk Identifikasi Konten E-Government Naïve Bayes Classification on Document Classification to Identify E-Government Content Akhmad
Lebih terperinciBAB IV HASIL DAN UJICOBA
BAB IV HASIL DAN UJICOBA IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari Sistem Penunjang Keputusan Untuk Menentukan Kualitas Ekspor Litopenaeus Vannamei (Udang Vanami) Pada PT.
Lebih terperinciJURNAL DASI ISSN: Vol. 14 No. 2 JUNI 2013
PERANCANGAN APLIKASI ONLINE JOGJA PEDULI BERBASIS MOBILE UNTUK PENJARINGAN ASPIRASI PUBLIK TERHADAP INFRASTRUKTUR SARANA DAN PRASARANA JALAN DALAM PERKOTAAN DAERAH ISTIMEWA YOGYAKARTA Budi Yanto STMIK
Lebih terperinciPenerapan Algoritma K-Means untuk Clustering
Seminar Perkembangan dan Hasil Penelitian Ilmu Komputer (SPHP-ILKOM) 71 Penerapan Algoritma K-Means untuk ing Dokumen E-Jurnal STMIK GI MDP Ernie Kurniawan* 1, Maria Fransiska 2, Tinaliah 3, Rachmansyah
Lebih terperinciPERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT
PERBANDINGAN ANALISIS DISKRIMINAN FISHER DAN NAIVE BAYES UNTUK KLASIFIKASI RISIKO KREDIT (Studi Kasus Debitur di Koperasi Jateng Amanah Mandiri Cabang Sukorejo Kendal) SKRIPSI Disusun Oleh: ABDUR ROFIQ
Lebih terperinciKLASIFIKASI DAN ANALISIS SENTIMEN DATA SMS CENTER BUPATI PAMEKASAN MENGGUNAKAN NAÏVE BAYES DENGAN MAD SMOOTHING
ISSN 1858-4667 JURNAL LINK VOL. 25/No. 2/September 2016 KLASIFIKASI DAN ANALISIS SENTIMEN DATA SMS CENTER BUPATI PAMEKASAN MENGGUNAKAN NAÏVE BAYES DENGAN MAD SMOOTHING Badar Said Program Studi Teknik Informatika,
Lebih terperinciBAB I PENDAHULUAN. penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Dengan kemajuan teknologi yang sangat pesat ini sudah banyak aplikasi penunjang Al-Quran untuk memudahkan untuk mempelajarinya, yang bisa disebut atau di artikan
Lebih terperinciJurusan Sistem Informasi, STMIK Mikroskil, Medan
S, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 Pengembangan Sistem Informasi Pengelolaan Proyek Pada CV Tricore Media Teknologi Fandi Halim 1, Gunawan 2, Indra Prasetya 3, Iga Mentari 4 STMIK Mikroskil,
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi informasi yang sangat berkembang pesat saat sekarang ini membawa pengaruh dalam segala bidang kehidupan, mulai dari industri, ekonomi, kesehatan dan bidang
Lebih 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 terperinciANALISIS SENTIMEN PADA SOSIAL MEDIA TWITTER TERHADAP POLITIK DI INDONESIA MENGGUNAKAN TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 ANALISIS SENTIMEN PADA SOSIAL MEDIA TWITTER TERHADAP POLITIK DI INDONESIA MENGGUNAKAN TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER Rezki Syaputra
Lebih terperinciModel Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa)
IJCCS, Vol.x, No.x, July xxxx, pp. 1~5 ISSN: 1978-1520 1 Model Arsitektur Backpropogation Dalam Memprediksi Faktor Tunggakan Uang Kuliah (Studi Kasus AMIK Tunas Bangsa) Agus Perdana Windarto* 1, Dedy Hartama
Lebih terperinciAplikasi Opinion Mining dengan Algoritma Naïve Bayes untuk Menilai Berita Online
Jurnal Integrasi, vol. 6, no. 1, 2014, 1-10 ISSN: 2085-3858 (print version) Article History Received 10 February 2014 Accepted 11 March 2014 Aplikasi Opinion Mining dengan Algoritma Naïve Bayes untuk Menilai
Lebih terperinciSTIKOM SURABAYA ... (8) (Wibisono, 2005)
PEMBUATAN PROTOTIPE PERANGKAT LUNAK PENGKLASIFIKASIAN KOMPLAIN LAYANAN OPERASIONAL PENGGUNA JASA KEPELABUHANAN MENGGUNAKAN NAÏVE BAYES CLASSIFIER (STUDI KASUS PELABUHAN CABANG TANJUNG PERAK SURABAYA Dodo
Lebih terperinciBAB IV PREPROCESSING DATA MINING
BAB IV PREPROCESSING DATA MINING A. Konsep Sebelum diproses data mining sering kali diperlukan preprocessing. Data preprocessing menerangkan tipe-tipe proses yang melaksanakan data mentah untuk mempersiapkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Terminal Cicaheum merupakan terminal primer yang berperan penting sebagai pintu keluar masuk sebelah timur Kota Bandung. Terminal Cicaheum mayoritas melayani rute dari
Lebih terperinciBAB 1 PENDAHULUAN. Dengan berkembangnya teknologi informasi, mengubah manusia dalam
BAB 1 PENDAHULUAN 1.1 Latar Belakang Dengan berkembangnya teknologi informasi, mengubah manusia dalam menyelesaikan semua pekerjaannya dan juga dalam segala aspek kehidupannya. Seperti pada saat pencarian
Lebih terperinciJurnal Informatika Mulawarman Vol. 10 No. 1 Februari
Jurnal Informatika Mulawarman Vol. 10 No. 1 Februari 2015 1 KLASIFIKASI DAN PENCARIAN BUKU REFERENSI AKADEMIK MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (NBC) (STUDI KASUS: PERPUSTAKAAN DAERAH PROVINSI
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 terperinciPEMANFAATAN APLIKASI SMS INFO UNTUK KEMUDAHAN PENYEBARAN INFORMASI DAN PENINGKATAN LAYANAN KEPADA MASYARAKAT DESA GONDANGMANIS BAE KUDUS
PEMANFAATAN APLIKASI SMS INFO UNTUK KEMUDAHAN PENYEBARAN INFORMASI DAN PENINGKATAN LAYANAN KEPADA MASYARAKAT DESA GONDANGMANIS BAE KUDUS Tri Listyorini Fakultas Teknik, Program Studi Teknik Informatika
Lebih terperinciBAB II GAMBARAN UMUM
BAB II GAMBARAN UMUM 2.1 Pusat Pengelolaan Pengaduan Masyarakat Pemerintah Kota Semarang 2.1.1 Visi dan Misi Pusat Pengelolaan Pengaduan Masyarakat (P3M) Pemerintah Kota Semarang Visi : Prima Dalam Pengelolaan
Lebih terperinciSistem Informasi Akademik Berbasis Web pada SMA Bakti Ibu 8 Palembang
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Sistem Informasi Akademik Berbasis Web pada SMA Bakti Ibu 8 Palembang Pandito Dewa Putra 1, Imelda Oktavia 2, Mulyati 3, Triana Elizabeth 4 STMIK
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Pertumbuhan media online mendorong munculnya informasi tekstual yang tidak terbatas, sehingga muncul kebutuhan penyajian tanpa mengurangi nilai dari informasi tersebut.
Lebih terperinciUKDW. 1.1 Latar Belakang BAB 1 PENDAHULUAN
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi komputer yang pesat pada masa kini menjadi perhatian utama bagi manusia. Kemajuan teknologi komputer yang pesat ini menimbulkan bermacam-macam
Lebih terperinciARTIKEL KLASIFIKASI KONTEN BERITA SURAT KABAR BERDASARKAN JUDUL DENGAN TEXT MINING MENGGUNAKAN METODE NAÏVE BAYES (STUDI KASUS : RADAR KEDIRI)
ARTIKEL KLASIFIKASI KONTEN BERITA SURAT KABAR BERDASARKAN JUDUL DENGAN TEXT MINING MENGGUNAKAN METODE NAÏVE BAYES (STUDI KASUS : RADAR KEDIRI) Oleh: Enggal Suci Febriani 3..3..35 Dibimbing oleh :. Irwan
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 terperinciBAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM Bab ini akan membahas tentang implementasi dan hasil perancangan yang telah dibuat pada bab sebelumnya. Selain itu, pada bab ini juga dijelaskan tentang analisis
Lebih terperinciDesain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Desain Model Fuzzy Gejala Penyakit Untuk Sistem Pakar Pendiagnosa Penyakit Anak Natalia 1, Bella Halim 2, Gasim 3 1,2 STMIK GI MDP; Jl. Rajawali
Lebih terperinci1.2. Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1. Pengantar Dewasa ini fungsi komputer semakin dimanfaatkan dalam segala bidang. Baik di bidang pendidikan, bisnis, ataupun penelitian. Komputer dimanfaatkan dalam segala bidang dikarenakan
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 terperinciPERANCANGAN SISTEM INFORMASI PENGARSIPAN PADA PDAM TIRTA MON PASE ACEH UTARA
IJCCS, Vol.x, No.x, Julyxxxx, pp. ~5 ISSN: 978-520 PERANCANGAN SISTEM INFORMASI PENGARSIPAN PADA PDAM TIRTA MON PASE ACEH UTARA Dahlan Abdullah*, Cut Yusra Novita 2 dan Cut Ita Erliana 3,2 Program Studi
Lebih terperinciANALISIS SENTIMEN PADA TWITTER TERHADAP JASA TRANSPORTASI ONLINE DI INDONESIA DENGAN METODE SUPPORT VECTOR MECHINE
DRAFT JURNAL ANALISIS SENTIMEN PADA TWITTER TERHADAP JASA TRANSPORTASI ONLINE DI INDONESIA DENGAN METODE SUPPORT VECTOR MECHINE SENTIMENT ANALYSIS FOR TWITTER ABOUT ONLINE INDONESIAN TRANSPORTATION WITH
Lebih terperinciANALISIS SENTIMEN JASA EKSPEDISI BARANG MENGGUNAKAN METODE NAÏVE BAYES
F.4 ANALISIS SENTIMEN JASA EKSPEDISI BARANG MENGGUNAKAN METODE NAÏVE BAYES Raflialdy Raksanagara*, Yulison Herry Chrisnanto, Asep Id Hadiana Jurusan Informatika, Fakultas Matematika dan Ilmu Pengetahuan
Lebih terperinciSKRIPSI. Disusunoleh : NOVTORI WICAKSONO NPM :
SISTEM INFORMASI PENGADUAN MASYARAKAT BERBASIS WEB DAN SMS GATEWAY DI KANTOR KECAMATAN SEDATI SIDOARJO DENGAN FITUR KLASIFIKASI MENGGUNAKAN METODE NAIVE BAYES SKRIPSI Disusunoleh : NOVTORI WICAKSONO NPM
Lebih terperinciPEMETAAN SEKOLAH MENENGAH ATAS BERBASIS WEB SISTEM INFORMASI GEOGRAFIS
PEMETAAN SEKOLAH MENENGAH ATAS BERBASIS WEB SISTEM INFORMASI GEOGRAFIS Bagus Satria Aditama 1, Slamet Sudaryanto N. 2 Jurusan Tehnik Informatika, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jl.
Lebih terperinciSISTEM KLASIFIKASI PENYEBARAN PENYAKIT MATA DI JAWA BARAT DENGAN ALGORITMA ITERATIVE DICHOTOMISER 3 DAN NAÏVE BAYES CLASSIFIER
SISTEM KLASIFIKASI PENYEBARAN PENYAKIT MATA DI JAWA BARAT DENGAN ALGORITMA ITERATIVE DICHOTOMISER 3 DAN NAÏVE BAYES CLASSIFIER Wina Witanti 1*, Dian Nursantika 2, Zillan Taufiq Budiman 3 1,2,3 Program
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 terperinciPEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5
PEMBENTUKAN DECISION TREE DATA LAMA STUDI MAHASISWA MENGGUNAKAN ALGORITMA NBTREE DAN C4.5 Syam Gunawan 1, Pritasari Palupiningsih 2 1,2 Jurusan Sistem Informasi, STMIK Indonesia 1 syam@stmik-indonesia.ac.id,
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 terperinciEvaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak)
n 1 Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naïve Bayes (Studi Kasus: Fasilkom Unilak) Nurliana Nasution 1, Khairani Djahara 2, Ahmad Zamsuri 3 1,2,3 Program Studi Teknik Informatika
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 I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Penentuan dosen pembimbing tugas akhir masih dilakukan secara manual di Jurusan Teknik Informatika UMM yang hanya mengandalkan pengetahuan personal tentang spesialisasi
Lebih terperinciJSIKA Vol. 4, No. 2. September 2015 ISSN X
Rancang Bangun Sistem Informasi Monitoring Perijinan Perusahaan Dan Industri Berbasis Web Pada Dinas Perdagangan Dan Perindustrian Kota Surabaya Ikmal Fahmi 1) Sulistiowati 2) Julianto Lemantara 3) Program
Lebih terperinciPENGEMBANGAN APLIKASI UJIAN ONLINE SEBAGAI MEDIA PEMBELAJARAN SISWA SEKOLAH MENENGAH PERTAMA
PENGEMBANGAN APLIKASI UJIAN ONLINE SEBAGAI MEDIA PEMBELAJARAN SISWA SEKOLAH MENENGAH PERTAMA Widaryanto Prodi Teknik Informatika e-mail: widaryanto@ymail.com Abstract Exam is one way to evaluate the learning
Lebih terperinciSISTEM INFORMASI PENGINGAT JADWAL GENERAL CHECK UP DI LABORATORIUM PRIMA MEDIKA KUDUS BERBASIS SMS GATEWAY & . Publikasi
SISTEM INFORMASI PENGINGAT JADWAL GENERAL CHECK UP DI LABORATORIUM PRIMA MEDIKA KUDUS BERBASIS SMS GATEWAY & EMAIL Publikasi Program Studi Informatika Fakultas Komunikasi dan Informatika Diajukan Oleh:
Lebih terperinciKLASIFIKASI SUPERVISED LEARNING PADA TEKS BAHASA BALI DENGAN METODE INFORMATION GAIN DAN NAIVE BAYES CLASSIFIER
TESIS KLASIFIKASI SUPERVISED LEARNING PADA TEKS BAHASA BALI DENGAN METODE INFORMATION GAIN DAN NAIVE BAYES CLASSIFIER IDA BAGUS GEDE WIDNYANA PUTRA NIM 1491761007 PROGRAM MAGISTER PROGRAM STUDI TEKNIK
Lebih terperinciBAB IV HASIL DAN PEMBAHASAN
BAB IV HASIL DAN PEMBAHASAN IV.1. Tampilan Hasil Berikut ini dijelaskan mengenai tampilan hasil dari perancangan Perbandingan Sistem Pendukung Keputusan Standar Mutu Jagung Menggunakan Metode Smart dan
Lebih terperinciKLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR
KLASIFIKASI TEKS SURAT KABAR DENGAN MENGGUNAKAN ALGORITMA N-GRAM STEMMERS TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang Oleh: KHOZINATUL
Lebih terperinciOleh Kadek Apsariani I Ketut Artadi Bagian Hukum Pemerintahan Fakultas Hukum Universitas Udayana
PELAYANAN PUBLIK MELALUI SIMTANAS (SISTEM INFORMASI MANAJEMEN PERTANAHAN NASIONAL) BERBASIS SHORT MESSAGE SERVICE (SMS) PADA KANTOR PERTANAHAN KABUPATEN BADUNG Oleh Kadek Apsariani I Ketut Artadi Bagian
Lebih terperinciImplementasi Data Mining Menggunakan Algoritma C4.5 Untuk Klasifikasi Penjurusan Siswa Pada SMA Negeri 2 Pemalang
IJCCS, Vol.x, No.x, Julyxxxx, pp. 1~5 ISSN: 1978-1520 1 Implementasi Data Mining Menggunakan Algoritma C4.5 Untuk Klasifikasi Penjurusan Siswa Pada SMA Negeri 2 Pemalang IMPLEMENTATION OF DATA MINING USING
Lebih terperinciUKDW 1. BAB 1 PENDAHULUAN Latar Belakang Masalah
1. BAB 1 PENDAHULUAN 1.1. Latar Belakang Masalah Universitas yang baik dan terpercaya selalu memperhatikan perkembangan dan kondisi yang terjadi di universitas tersebut, salah satunya dengan memantau kinerja
Lebih terperinciRANCANG BANGUN SISTEM E-COMMERCE FURNITURE PADA CV. RAHMAY GALLERY DEMAK
RANCANG BANGUN SISTEM E-COMMERCE FURNITURE PADA CV. RAHMAY GALLERY DEMAK Saniya Amandantyas Putri Sistem Informasi, Fakultas Ilmu Komputer, Universitas Dian Nuswantoro Jalan Nakula I No. 5-11, Semarang,
Lebih terperinciKata kunci : Metode Naive Bayes, Penyakit Tenggorokan
SISTEM KLASIFIKASI PENYAKIT TENGGOROKAN BERBASIS WEB MENGGUNAKAN METODE NAIVE BAYES Beni Agustiawan Program Studi Teknik Informatika, Fakultas Ilmu Komputer Universitas Dian Nuswantoro JL.Nakula 1No.5
Lebih terperinci