BAB II. Landasan Teori
|
|
- Sugiarto Hermawan
- 6 tahun lalu
- Tontonan:
Transkripsi
1 BAB II. Landasan Teori 2.1 TwitterSebagaiMedia Promosi Twitter adalah salah satu layanan jejaring sosial dan mikroblog yang dimiliki oleh Twitter, Inc. Dikatakan mikroblog karena situs ini memungkinkan penggunanya untuk mengirim dan membaca pesan seperti blog pada umumnya tetapi dibatasi dengan 140 karakter yang dikenal dengan sebutan kicauan (tweet) (Smith, 2013). Di Indonesia sendiri, menurut (Kominfo, 2014)twitter merupakan salah satu jejaring sosial yang populer setelah Facebook, menempati peringkat 5 di dunia dan nomor 1 di Asia dengan total pengguna mencapai 19,5 juta. Popularitas jejaring sosial saat ini, disebabkan karena pengguna internet mengalami pertumbuhan yang sangat signifikan dibeberapa tahun terakhir serta dari survey APJII (2012) diketahui bahwa pengguna internet di indonesia lebih sering mengakses jejaring sosial media (87,8%). Dengan melihat banyaknya pengguna di sosial media seperti twitter, tentu saja mendorong perusahaan atau pelaku bisnis untuk menjadikan sosial media sebagai tempat mempromosi produk dan jasa mereka. 2.2 Engagement Followers di Twitter The International Association for Measurement( AMEC, 2013)mendefinisikan engagement adalah to occupy or attractsomeone s interest or attention; involve someone ina conversation or discussion. yaitu menarik 9
2 10 seseorang menjadi tertarik atau mendapat perhatiannya dan mengajak orang tersebut terlibat dalam suatu pembicaraan atau diskusi. Sedangkan menurut McManaway, Engagementfollowers adalah membuat pengikut kita memberikan respon kepada tweetyang disampaikan dan re-tweet pesan kita, sehingga akan membantu tweetkita untuk dapat reachatau menjangkau akun twitter lainnya diluar followers. Untuk mengetahui seberapa besar engagementfollowersyang ada saat ini, tentunya dibutuhkan suatu rumus pengukuran. Dalam penulisan ini, rumus yang akan digunakan diambil dari socialbakers. Socialbakers adalah website yang mengembangkan alat yang inovatif untuk perusahaan dalam memaksimalkan efektivitas promosi di beberapa jejaring sosial media yang salah satunya twitter. Dari 2008 sampai sekarang, konsumennya telah mencapai 75 negara di dunia. Persamaan 2.1 merupakan rumus yang digunakan oleh socialbakers dalam melakukan pengukuran untuk menentukan engagementratesocialbakers (2013). tweet engagement rate 100 (2.1) Nantinya dengan menggunakan rumus ini, akan diketahui berapa besar persentase engagementyang dihasilkan dari tweetsetiap harinya.untuk mendapatkan hasil yang optimal dari sini, maka kita perlu menganalisa bagaimana engagement itu terjadi dancara untuk meningkatkannya. 2.3 Data Mining Menurut Vercellis (2009, p. 77) istilah Data Mining merujuk pada kesuluruhan proses yang terdiri dari pengumpulan dan analisis data, pengembangan model pembelajaran induktif dan adopsi praktek pengambilan
3 11 keputusan serta konsekuensi dari tindakan berdasarkan pengetahuan yang diperoleh. Sedangkan menuruthan, Kamber, & Pei (2011) menjelaskan bahwa Data Mining merupakan pemilihan atau mencari pengetahuan dari jumlah data yang banyak. Bisa disimpulkan bahwa Data Miningadalah proses penganalisa dari data yang banyak dan menemukan suatu jawaban untuk dijadikan informasi yang berguna dalam mengambil keputusan. Fungsi dari data mining, secara umum dijelaskan oleh MacLennan, Tang, & Crivat (2009), sebagai berikut : 1. Classification Fungsi dari Classification adalah untuk mengklasifikasikan suatu target class ke dalam kategori yang dipilih (lihat Gambar 2.1). Gambar 2.1Classification - Decision Tree (MacLennan, Tang, & Crivat, 2009) 2. Clustering Fungsi dari Clusteringadalah untuk mencari pengelompokan atribut ke dalam segmentasi-segmentasi berdasarkan similaritas(lihat Gambar 2.2).
4 12 Gambar 2.2Clustering (MacLennan, Tang, & Crivat, 2009) 3. Association Fungsi dari associationadalahh untuk mencari keterkaitan antara atribut atau item set, berdasarkan jumlah item yang muncul dan rule assocition yang ada(lihat Gambar 2.3). Gambar 2.3Product Association (MacLennan, Tang, & Crivat, 2009) 4. Regression Fungsi dari regression hampir mirip dengan klasifikasi. Fungsi dari regression adalah bertujuan untuk mencari prediksi dari suatu pola yang ada.
5 13 5. Forecasting Fungsi dari forecastingadalahh untuk peramalan waktu yang akan datang berdasarkan trendyang telah terjadi di waktu sebelumnya(lihat Gambar 2.4). Gambar 2.4Time Series (MacLennan, Tang, & Crivat, 2009) 6. Sequence Analysiss Fungsi dari sequence analysisadalah untuk mencari pola urutan dari rangkaian kejadian(lihat Gambar 2.5). Gambar 2.5Web Navigation Sequence (MacLennan, Tang, & Crivat, 2009)
6 14 7. Deviation Analysis Fungsi dari devation analysis adalah untuk mencari kejadian langka yang sangat berbeda dari keadaan normal (kejadian abnormal). 2.4 Naive Bayes Naive Bayes merupakan pengklasifikasian dengan metode probabilitas dan statistik yang dikemukakan oleh ilmuwan Inggris Thomas Bayes, yaitu memprediksi peluang di masa depan berdasarkan pengalaman di masa sebelumnya sehingga dikenal sebagai Teorema Bayes.Menurut L.Olson & Dursun (2008, hal. 102) bahwanaive bayes untuk setiap kelas keputusan, menghitung probabilitas dengan syarat bahwa kelas keputusan dianggap benar, dengan kumpulan obyek informasi. Algoritma ini mengasumsikan bahwa atribut dari obyek adalah independen. Dalam pengertian sederhana, Naive Bayesmengasumsikan bahwa ada atau tidaknya suatu fitur tertentu dari suatu kelas tidak berhubungan dengan ada atau tidaknya fitur lainnya inilah yang disebut independen (naif). Sebagai contoh, buah mungkin dianggap apel jika merah, bulat, dan berdiameter sekitar 4 inchi. Bahkan jika fitur ini bergantung satu sama lain atau atas keberadaan fitur lain,. DenganNaive Bayesdianggap bahwa seluruh sifat-sifat berkontribusi independenatau tidak tergantung dengan satu sama lain untuk mendapatkan probabilitas bahwa buah ini dapat dianggap apel. Menurut XHEMALI, HINDE, & STONE (2009), dalam jurnal Naïve Bayes vs. Decision Trees vs. Neural Networks in theclassification of Training Web
7 15 Pages dikatakan bahwa Naive Bayes memiliki tingkat akurasi yang lebih baik dibandingkan model klasifikasi lainnya.tabel 2.1 menunjukkan hasil yang didapatkan dari penelitian yang dilakukan. Tabel 2.1Perbandingan Akurasi Naive Bayes dengan Metode Lain (XHEMALI, HINDE, & STONE, 2009) Dari beberapa penelitian dengann menggunakan jejaring sosial twitter seperti Twitter Trending Topic Classification (Lee, Palsetia, Narayanan, Patwary, Agrawal, & Choudhary, 2011) dan Twitter as a Corpus for Sentimen Analysis and Opinion Mining (Pak & Paroubek, 2010) juga memberikan akurasi yang cukup baikdalam melakukan klasifikasi Model ProbabilitasNaive Bayes Suatu model probabilitas dalam melakukan klasifikasi memerlukan sejumlah petunjuk atau kondisi untuk menentukan kelas yang sesuai dari suatu sample data. Dengan menggunakan teorema bayes, dapat dituliskan dengan Persamaan 2.2. (2.2) Dimana variabel C merepresentasikan kelas, sementaravariabel F 1... Fn merepresentasikan karakteristik karakteristik sebagai petunjuk yang dibutuhkan untuk melakukanklasifikasi. Dari rumus (2.1) menjelaskan bahwapeluang
8 16 masuknya sampel dengan karakteristik tertentudalam kelas C (posterior) adalah peluang munculnya kelasc (prior), dikali dengan peluang kemunculan karakteristik karakteristiksampel pada kelas C (likelihood), dibagi dengan peluang kemunculankarakteristik-karakteristik sampel secara global (evidence). Secara sederhana dapat pula ditulissebagai berikut: posterior (2.3) Nilai evidence selalu tetap untuk setiap kelas pada satusampel. Nilai dari Posterior tersebut yang nantinya akandibandingkan dengan nilai-nilai Posterior kelas lainnyauntuk menentukan ke kelas apa suatu sampel akandiklasifikasikan. Untuk penjabaran lebih lanjut dari rumus Bayes, maka dilakukan penjabaran p(c F 1,.., F n ) dengan menggunakan aturan perkalian, sebagai berikut :,, =,, =,,, =,,,,, =,,,,,,,, =,,,,,,,, (2.4) Dapat diketahui bahwa hasil penjambaran tersebut menyebabkan semakin banyak dan semakin kompleksnyadari faktor-faktor syarat yang mempengaruhi nilai probabilitas,sehingga hampir mustahil untuk dianalisa satupersatu.akibatnya, perhitungan tersebut menjadi sulit untukdilakukan.
9 17 Di sinilah digunakan asumsi independensi yang sangattinggi (naïf), bahwa masing-masing petunjuk (F 1, F 2... Fn)saling bebas (independen) satu sama lain. Dengan asumsitersebut, maka berlaku suatu kesamaan sebagai berikut: (2.5) Untuk fitur F i adalah kondisi independen terhadap setiap fitur lainnya F j, maka untuk j i sehingga :, (2.6) Dari persamaan di atas dapat disimpulkan bahwa asumsiindependensi naïf tersebut membuat syarat peluangmenjadi sederhana, sehingga perhitungan menjadimungkin untuk dilakukan. Selanjutnya, penjabaran dari p(c F 1,...,Fn) dapat disederhanakan menjadi sepertiberikut:,, (2.7) Dimana Z (bukti) adalah faktor skala tergantung hanya pada F1,,Fn, yaitu, sebuah konstanta jika nilai dari variabel fitur diketahui Klasifikasi Menggunakan Model ProbabilitasNaive Bayes Dengan persamaan teorema Naive Bayes yang kita dapatkan dari pembahasan sebelumnya maka akan dikembangkan ke dalam pengambilan keputusan untuk menentukan sebuah kelas dari suatu sampel yang akan diuji. Penentuan kelas yang cocok bagi suatu sampeldilakukan dengan cara membandingkan nilai Posterioruntuk masing-masing kelas, dan mengambil kelas
10 18 dengannilai Posterior yang tinggi. Secara matematis klasifikasidirumuskan sebagai berikut: argmax (2.8) Dimana c merupakan variabel kelas yang tergabung dalam suatu himpunan kelas c. Perlu menjadi perhatian bahwa metode Naive Bayes Classifierdapat digunakan bila sebelumnya telah tersedia data yang dijadikan acuan untuk melakukan klasifikasi. Sebagai contoh, terdapat dua kelompok merek baju (X dan Y), dimana terdapat 3 petunjuk yang digunakanmisalnya warna baju, bahan baju dan ukuran baju.sementara itu, terdapat pula 6 data seperti di bawah ini: Tabel 2.2Contoh Data Untuk Klasifikasi Naive Bayes Warna Bahan Ukuran Jenis Putih Katun M X Hitam Katun M X Putih Wool S Y Hitam Katun S Y Hitam Wool M Y Hitam Wool S X Bila ada sampel baju hitam, bahan wool, dan ukuran M untuk diketahui jenis dari baju tersebut maka dengan menggunakan metode ini, sebelumnya harus dicari terlebih dahulu Posterior X dan Y untuk sampel tersebut: P(X) = 3/6 = 0.5 sedangkan P(Y) = 3/6 = 0.5 P(Hitam X) = 2/3 = 0.66 sedangkan P(Hitam Y)=1/3=0.33 P(Wool X)=1/3=0.33 sedangkan P(Wool Y)=2/3=0.66
11 19 P(M X)=2/3=0.66 sedangkan P(M Y)=1/3=0.33 Posterior X = P(X) P(Hitam X) P(Wool X) P(M X) = 0.5 x 0.66 x 0.33 x 0.66 = sedangkan, Posterior Y = P(Y) P(Hitam Y) P(Wool Y) P(M Y) = 0.5 x 0.33 x 0.66 x 0.33 = Maka bisa diambil kesimpulan, karena PosteriorX >PosteriorY sehingga sampel dari baju tersebut dikelompokkan dalam baju bermerek X Naive Bayes ClassifierUntuk Klasifikasi Dokumen. Untuk melakukan klasifikasi terhadapa dokumen sedikit berbeda dengan yang dilakukan dengan contoh sebelumnya. Bila sebelumnya dalam contoh diatas kita mengklasifikasikannya dengan menggunakan karakteristik fisik seperti warna, bahan, dan ukuran tetapi pada klasifikasi dokumen kita tidak akan ditemukan karakteristik tersebut karena pada umumnya suatu dokumen terdiri dari data data literal (tulisan). Karena hal itu maka diperlukan asumsi asumsi mengenai karakteristik yang ditinjau agar metoda Naive BayesClassifierdapat digunakan dalam klasifikasi dokumen. Asumsi yang diambil dalam pengklasifikasian dokumenini adalah dokumen dipandang sebagai kumpulan kata-katayang saling bebas (independen) dan proses klasifikasidokumen dilakukan dengan pengecekan kata-kata yangmenyusun informasi di dalam dokumen tersebut.penentuan kelas dari dokumen sampel dilakukan dengancara menghitung besarnya peluang kata-kata padadokumen suatu kelas yang muncul pada dokumen sampelyang dianalisis.
12 20 Jadi, kata-kata dalam dokumen (wi)berlaku seperti petunjuk-petunjuk yang telah dijelaskansebelumnya (Fi), dan gabungan dari kata-kata tersebutmenghasilkan suatu dokumen (D). Probabilitas sebuahkelas mengandung suatu dokumen merupakan produk dariprobabilitas kata-kata dari dokumen tersebut yangterdapat pada kelas. Dengan kata lain: (2.9) Dengan persamaan dari teoremanaive Bayes untuk mengklasifikasikan suatu dokumen, sebagai berikut : (2.10)
BAB 2. Landasan Teori
BAB 2 Landasan Teori 2.1 Pengertian Data Mining Menurut Han dan Kamber (2011:6) menjelaskan bahwa Data Mining merupakan pemilihan atau menggali pengetahuan dari jumlah data yang banyak. Berbeda dengan
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 terperinciMetoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen
Metoda Naïve Bayes Classifier dan Penggunaannya pada Klasifikasi Dokumen Samuel Natalius / 18209031 Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciBAB I PENDAHULUAN. dengan lingkungan sosialnya pengguna social media seringkali menceritakan
BAB I PENDAHULUAN 1.1 Latar Belakang Social media merupakan salah satu tren yang berkembang di masyarakat sebagai tempat untuk berinteraksi. Selain untuk berinteraksi dengan lingkungan sosialnya pengguna
Lebih terperinciBAB II TINJAUAN PUSTAKA
digilib.uns.ac.id BAB II TINJAUAN PUSTAKA 2.1. Landasan Teori 2.1.1. Twitter API Twitter API terdiri dari dua komponen yang berbeda, REST dan SEARCH API. REST API memungkinkan pengembang/developer Twitter
Lebih terperincihttp://www.brigidaarie.com proses menganalisa data untuk mencari polapola tersembunyi dengan menggunakan metodologi otomatis Istilah lain : Machine Learning Knowledge Discovery in Database (KDD) Predictive
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 terperinciUNTUK TOPIC DETECTION AND TRACKING PADA MICROBLOG TWITTER
BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilaksanakannya penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciBAB I PENDAHULUAN. 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 terperinciBAB II TINJAUAN PUSTAKA. sekumpulan besar data yang tersimspan dalam penyimpanan dengan
BAB II TINJAUAN PUSTAKA 2.1 Landasan Teori 2.1.1 Data Mining A. Pengertian Data Mining Menurut Gartner Group data mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Masalah Analisa sistem pada yang berjalan bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Pendukung Keputusan Pemberian Kredit
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI. Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : - Algoritma Naïve Bayes Classifier
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Dalam tinjauan pustaka dibawah ini terdapat 6 referensi sebagai berikut : Tabel 2.1 Penelitian sebelumnya Parameter Penulis Objek Metode Hasil
Lebih terperinciBAB III ANALISIS DAN DESAIN SISTEM
BAB III ANALISIS DAN DESAIN SISTEM III.1.Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Perbandingan Sistem Pendukung Keputusan Standar Mutu Jagung
Lebih terperinci( ) ( ) (3) II-1 ( ) ( )
BAB II LANDASAN TEORI 2.1 Naïve Bayes Classifier 2.1.1 Teorema Bayes Bayes merupakan teknik prediksi berbasis probabilistik sederhana yang berdasar pada penerapan teorema Bayes (atau aturan Bayes) dengan
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN Pada bagian ini akan dijelaskan tentang pendahuluan dalam penyusunan Laporan Penelitian. Pendahuluan meliputi latar belakang masalah, rumusan masalah, tujuan penelitian, batasan masalah,
Lebih terperinciBAB 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 terperinci2016 SISTEM PRED IKSI SPAM ACCOUNT PAD A MED IA SOSIAL TWITTER D ENGAN MENGGUNAKAN ALGORITMA C4.5
1 BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilaksanakannya penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian sistematika penulisan. 1.1 Latar Belakang
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 terperinciKLASIFIKASI PADA TEXT MINING
Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 KLASIFIKASI PADA TEXT MINING Budi Susanto Text dan Web Mining - FTI UKDW - BUDI SUSANTO 2 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa
Lebih terperinciKLASIFIKASI PADA TEXT MINING
Budi Susanto KLASIFIKASI PADA TEXT MINING Text dan Web Mining - FTI UKDW - BUDI SUSANTO 1 Tujuan Memahami konsep dasar sistem klasifikasi Memahami beberapa algoritma klasifikasi: KNN Naïve Bayes Decision
Lebih terperinciALGORITMA NAÏVE BAIYES UNTUK PREDIKSI PROFESI BERDASARKAN SKILL JOB SEEKER
Seminar Nasional Riset Kuantitatif Terapan 2017 Kendari, 8 April 2017 63 ALGORITMA NAÏVE BAIYES UNTUK PREDIKSI PROFESI BERDASARKAN SKILL JOB SEEKER Dewi Hastuti 1, Ayu Sabrina Syair 2, Asih Setiyorini
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Klasifikasi Klasifikasi merupakan suatu pekerjaan menilai objek data untuk memasukkannya ke dalam kelas tertentu dari sejumlah kelas yang tersedia. Dalam klasifikasi ada dua pekerjaan
Lebih terperinciPrediksi Masa Studi Mahasiswa dengan Menggunakan Algoritma Naïve Bayes
E-Journal Teknik Informatika Vol, No (7) ISSN : - 864 Prediksi Masa Studi Mahasiswa dengan Menggunakan Algoritma Naïve Bayes Mongan Winny Amelia, Arie S M Lumenta, Agustinus Jacobus Teknik Informatika
Lebih terperinciIMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI USER BERDASARKAN TWEET
IMPLEMENTASI ALGORITMA NAÏVE BAYES CLASSIFIER DALAM KLASIFIKASI USER BERDASARKAN TWEET TUGAS AKHIR Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang
Lebih terperinciPenerapan Metode Winnowing Fingerprint dan Naive Bayes untuk Pengelompokan Dokumen
Penerapan Metode Winnowing Fingerprint dan Naive Bayes untuk Pengelompokan Dokumen Adi Radili 1, Suwanto Sanjaya 2 1,2 Teknik Informatika UIN Sultan Syarif Kasim Riau Jl. H.R. Soebrantas no. 155 KM. 18
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 terperinciSISTEM PAKAR PENGENALAN GEJALA DINI PENYAKIT EPILEPSI MENGGUNAKAN METODE NAÏVE BAYES
SISTEM PAKAR PENGENALAN GEJALA DINI PENYAKIT EPILEPSI MENGGUNAKAN METODE NAÏVE BAYES Bayu Hendra Setiawan 1, Edy Mulyanto, SSi, M.Kom 2 Program Studi Fakultas Ilmu Komputer, Universitas Dian Nuswantoro
Lebih terperinciKLASIFIKASI KARAKTERISTIK MAHASISWA UNIVERSITAS COKROAMINOTO PALOPO MENGGUNAKAN METODE NAÏVE BAYES DAN DECISION TREE. Yuli Hastuti
Jurnal Dinamika, September 2016, halaman 34-41 P-ISSN: 2087 7889 E-ISSN: 2503 4863 Vol. 07. No.2 KLASIFIKASI KARAKTERISTIK MAHASISWA UNIVERSITAS COKROAMINOTO PALOPO MENGGUNAKAN METODE NAÏVE BAYES DAN DECISION
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Menurut Liu opini merupakan pernyataan subyektif yang mencerminkan sentimen orang atau persepsi tentang entitas dan peristiwa [1]. Opini atau pendapat orang lain terhadap
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Saat ini, microblogging menjadi sangat popular untuk alat komunikasi antara pengguna internet. Setiap hari jutaan pesan muncul di website penyedia microblogging diantaranya
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Apa yang orang lain pikirkan telah menjadi sesuatu yang penting untuk menjadi pertimbangan dalam pengambilan keputusan (Pang and Lee, 2006). Sesuatu yang orang lain
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang 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 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Saat ini media sosial seperti Twitter telah berkembang pesat. Data global menyebut pada akhir Desember 2014 Twitter memiliki 284 juta pengguna aktif. Dick Costolo
Lebih terperinciBAB II KAJIAN PUSTAKA. pola seperti teknik statistic dan matematika (Larose, 2005).
BAB II KAJIAN PUSTAKA A. Data Minning Data minning adalah suatu proses menemukan hubungan yang berarti, pola dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan dalam penyimpanan
Lebih terperinciBAB III METODOLOGI PENELITIAN
40 BAB III METODOLOGI PENELITIAN 3.1 DESAIN PENELITIAN Dalam melakukan penelitian, dibutuhkan desain penelitian agar penelitian yang dilakukan dapat berjalan dengan baik. Berikut ini merupakan desain penelitian
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi dewasa ini sudah mempengaruhi kebutuhan manusia modern, hal ini ditandai dengan penggunaan teknologi disetiap aspek kehidupan manusia yang berguna
Lebih terperinciData Mining. Pengenalan Sistem & Teknik, Serta Contoh Aplikasi. Avinanta Tarigan. 22 Nov Avinanta Tarigan Data Mining
Data Mining Pengenalan Sistem & Teknik, Serta Contoh Aplikasi Avinanta Tarigan 22 Nov 2008 1 Avinanta Tarigan Data Mining Outline 1 Pengertian Dasar 2 Classification Mining 3 Association Mining 4 Clustering
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Tinjauan Teoritis 2.1.1 Autisme Monks dkk., mengungkapkan bahwa autisme berasal dari kata autos yang berarti aku. Pada pengertian nonilmiah kata tersebut dapat ditafsirkan bahwa
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 II LANDASAN TEORI
BAB II LANDASAN TEORI 1.1 Data Mining Data mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, dan machine learning untuk mengekstrasi dan mengidentifikasi informasi
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Situs jejaring sosial merupakan gaya hidup sosial baru yang muncul seiring berkembangnya internet. Gaya hidup baru tersebut memiliki ruang lingkup yang lebih luas
Lebih terperinciBAB I PENDAHULUAN. menggunakan teknologi yang disebut dengan internet. Hal ini, secara tidak
BAB I PENDAHULUAN 1.1 Latar Belakang Berkembangnya teknologi informasi yang begitu pesat ini, banyak memberikan dampak positif maupun negatif khususnya di Indonesia. Dampak positifnya seperti, masyarakat
Lebih terperinciKLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION
KLASIFIKASI NASABAH ASURANSI JIWA MENGGUNAKAN ALGORITMA NAIVE BAYES BERBASIS BACKWARD ELIMINATION Betrisandi betris.sin@gmail.com Universitas Ichsan Gorontalo Abstrak Pendapatan untuk perusahaan asuransi
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 terperinciBAB 2 TELAAH PUSTAKA
BAB 2 TELAAH PUSTAKA Pada bab ini akan dipaparkan mengenai deskripsi data mining secara umum dan landasan teori dari algoritma data mining yang digunakan pada FIKUI Mining. Selain itu, juga akan dijelaskan
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN
BAB III ANALISIS DAN PERANCANGAN III.1. Analisis Masalah Analisis masalah bertujuan untuk mengidentifikasi serta melakukan evaluasi terhadap Sistem Penunjang Keputusan Untuk Menentukan Kualitas Ekspor
Lebih terperinciBAB 1 PENDAHULUAN Latar Belakang
BAB 1 PENDAHULUAN 1.1. Latar Belakang Perkembangan informasi global menuntut penyediaan informasi tersebut dapat dinikmati / dirasakan secara cepat dan tepat. Informasi yang diinginkan dapat diakomodasi
Lebih terperinciBAB II LANDASAN TEORI
II-8 BAB II LANDASAN TEORI 2.1. Perencanaan Produksi Pengertian perencanaan produksi, menurut Martin K.Starr (1997) adalah sebagai berikut production planning is an old venerable term used by engineers,
Lebih terperinciSISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS KREDIT SEPEDA MOTOR)
SISTEM PENDUKUNG PENGAMBILAN KEPUTUSAN MENGGUNAKAN METODE NAIVE BAYES (STUDI KASUS KREDIT SEPEDA MOTOR) 1 Jatmika, S.Si, M.Kom 2 Lilis Anggraeni 1,2,3 Jurusan Komputer, Teknik Informatika, Fakultas Sains
Lebih terperinciPEMBANGUNAN TWEET AGGREGATOR DENGAN MENGGUNAKAN METODE NAÏVE BAYES
1 BAB I PENDAHULUAN Dalam bab ini akan dibahas latar belakang dilaksanakannya penelitian, identifikasi masalah, batasan masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan. Latar
Lebih terperinciSISTEM INFORMASI MONITORING BARANG LAUNDRY MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI WAKTU PENGERJAAN BARANG LAUNDRY DI CV BENAYA
SISTEM INFORMASI MONITORING BARANG LAUNDRY MENGGUNAKAN ALGORITMA NAÏVE BAYES UNTUK MEMPREDIKSI WAKTU PENGERJAAN BARANG LAUNDRY DI CV BENAYA 1 Wahyu Nurjaya W.K, 2 Irfan Hadirianto 2 Program Studi Teknik
Lebih terperinciAlfa Saleh. Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan
PENERAPAN DATA MINING DENGAN METODE KLASIFIKASI NAÏVE BAYES UNTUK MEMPREDIKSI KELULUSAN MAHASISWA DALAM MENGIKUTI ENGLISH PROFICIENCY TEST (Studi Kasus : Universitas Potensi Utama) Alfa Saleh Teknik Informatika
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Data Mining Data mining merupakan disiplin ilmu yang mempelajari metode untuk mengekstrak pengetahuan atau menemukan pola dari suatu data (Han and Kamber, 2006). Data mining sering
Lebih terperinciKlasifikasi. Diadaptasi dari slide Jiawei Han
Klasifikasi Diadaptasi dari slide Jiawei Han http://www.cs.uiuc.edu/~hanj/bk2/ yudi@upi.edu / Okt 2012 Pengantar Classification Memprediksi kelas suatu item Membuat model berdasarkan data pelatihan dan
Lebih terperinciAPLIKASI SURVEY POLITIK UNIVERSITAS BRAWIJAYA MALANG (ASUPOL) : STUDI KASUS PEMILIHAN BEM PTIIK 2012 (PEMILWA 2012)
APLIKASI SURVEY POLITIK UNIVERSITAS BRAWIJAYA MALANG (ASUPOL) : STUDI KASUS PEMILIHAN BEM PTIIK 2012 (PEMILWA 2012) Afiqie Fadhihansah 1*, Dio Dharmawan 1**, Fridha Agustina 1**, Irwan Nugrahanto 1*, Maharani
Lebih terperinciAplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition
Aplikasi Inferensi Bayes pada Data Mining terutama Pattern Recognition Trilaksono Aribowo (18209015) Program Studi Sistem dan Teknologi Informasi Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinciPROGRAM BANTU PENEMPATAN PERSEDIAAN BARANG SANITER PADA DUA TOKO DENGAN METODE NAÏVE BAYES
PROGRAM BANTU PENEMPATAN PERSEDIAAN BARANG SANITER PADA DUA TOKO DENGAN METODE NAÏVE BAYES Umi Proboyekti, Djoni Dwiyana Abstrak Barang saniter merupakan salah satu macam barang yang dijual di toko bahan
Lebih terperinciKlasifikasi. Diadaptasi dari slide Jiawei Han
Klasifikasi Diadaptasi dari slide Jiawei Han http://www.cs.uiuc.edu/~hanj/bk2/ Pengantar Classification Memprediksi kelas suatu item Membuat model berdasarkan data pelatihan dan digunakan untuk mengklasifikasi
Lebih terperinciIMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES
IMPLEMENTASI DATA MINING UNTUK MEMPREDIKSI DATA NASABAH BANK DALAM PENAWARAN DEPOSITO BERJANGKA DENGAN MENGGUNAKAN ALGORITMA KLASIFIKASI NAIVE BAYES Nama : Muhammad Rizki NPM : 54410806 Jurusan Pembimbing
Lebih terperinciImplementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga
Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga 207 Alfa Saleh Universitas Potensi Utama E-mail: alfasoleh1@gmail.com Abstrak Peranan listrik sangat
Lebih terperinciBAB I PENDAHULUAN Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Pertukaran informasi di zaman modern ini telah sampai pada era digital. Hal ini ditandai dengan semakin dibutuhkannya teknologi berupa komputer dan jaringan internet
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1 Data Mining 2.1.1 Pengertian Data Mining Dengan semakin besarnya jumlah data dan kebutuhan akan analisis data yang akurat maka dibutuhkan metode analisis yang tepat. Data mining
Lebih terperinciKLASIFIKASI KECENDERUNGAN PENYAKIT MATA DI JAWA BARAT DENGAN ASSOCIATION RULE DAN NAÏVE BAYES CLASSIFIER
KLASIFIKASI KECENDERUNGAN PENYAKIT MATA DI JAWA BARAT DENGAN ASSOCIATION RULE DAN NAÏVE BAYES CLASSIFIER Zillan Taufiq Budiman 1), Wina Witanti 2), Dian Nursantika 3) 1), 2), 3) Informatika Universitas
Lebih terperinciPENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI
PENERAPAN ALGORITMA NAÏVE BAYES UNTUK DETEKSI BAKTERI E-COLI Laily Hermawanti Program Studi Teknik informatika Fakultas Teknik Universitas Sultan Fatah (UNISFAT) Jl. Diponegoro 1B Jogoloyo Demak Telpon
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI 2.1 Data Mining Secara sederhana data mining adalah penambangan atau penemuan informasi baru dengan mencari pola atau aturan tertentu dari sejumlah data yang sangat besar. Data mining
Lebih terperinciBAB I PENDAHULUAN. ada tiga, yaitu association rules, classification dan clustering.
BAB I PENDAHULUAN 1.1. Latar Belakang Data mining adalah serangkaian proses untuk menggali nilai tambah berupa informasi yang selama ini tidak diketahui secara manual dari suatu basis data. Informasi yang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kehadiran teknologi web yang interaktif telah merubah cara orang mengekspresikan pandangan dan opininya. Saat ini pengguna dapat menulis ulasan suatu produk pada situs
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Kemajuan dibidang teknologi informasi dan telekomunikasi berdampak pada munculnya berbagai media sosial, seperti Twitter. Twitter didirikan oleh Jack Dorsey, Biz Stone,
Lebih terperinciBAB I PENDAHULUAN 1 PENDAHULUAN
1 1 PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang Popularitas media jejaring sosial terus mengalami peningkatan dalam beberapa tahun terakhir. Media jejaring sosial seperti Twitter, Facebook, dan Youtube
Lebih terperinciBAB II LANDASAN TEORI
6 BAB II LANDASAN TEORI 2.1 Human Resource Management Human Resource Management (HRM) adalah kebijakan dan praktek menentukan aspek manusia atau sumber daya manusia dalam posisi manajemen dalam proses
Lebih terperinciPENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA
PENERAPAN DATA MINING DALAM MENENTUKAN JURUSAN SISWA Alfa Saleh Teknik Informatika Universitas Potensi Utama Jl K.L. Yos Sudarso KM 6.5 No.3-A, Tanjung Mulia, Medan Email : alfasoleh1@gmail.com Abstrak
Lebih terperinciBAB I PENDAHULUAN. A. Latar Belakang Masalah. yang diharapkan siswa setelah melaksanakan pengalaman belajar (Sadirman,
BAB I PENDAHULUAN A. Latar Belakang Masalah Pendidikan dan pengajaran adalah suatu proses yang sadar tujuan yang artinya sesuatu hal yang dilakukan berdasarkan atas tujuan tertentu yang ingin dicapai.
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA 2.1. Penelitian Terkait Penelitian terkait dengan topik analisis sentimen cukup banyak, berikut beberapa penelitian yang tekait dengan analisa sentimen yang menggunakan seleksi
Lebih terperinciISSN: JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman Online di:
ISSN: 2339-2541 JURNAL GAUSSIAN, Volume 4, Nomor 3, Tahun 2015, Halaman 651-659 Online di: http://ejournal-s1.undip.ac.id/index.php/gaussian KLASIFIKASI TINGKAT KELANCARAN NASABAH DALAM MEMBAYAR PREMI
Lebih terperinci, 2015 PEMANFAATAN MEDIA SOSIAL FACEBOOK SEBAGAI PENUNJANG KEGIATAN PEMBELAJARAN SISWA SMK NEGERI 4 BANDUNG
BAB I PENDAHULUAN 1.1 Latar Belakang Penelitian Dewasa ini dunia pendidikan tidak pernah tertinggal dari pembaharuanpembaharuan. Pembaharuan ini mencakup penerapan Teknologi informasi dan komunikasi (TIK)
Lebih terperinciBAB 3 LANDASAN TEORI
BAB 3 LANDASAN TEORI 3.1. Brand Berdasarkan American Marketing Association, brand didefinisikan sebagai nama, istilah, desain, simbol atau ciri lain yang dapat mengidentifikasi produk atau jasa penjual
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan
BAB I PENDAHULUAN 1.1 Latar Belakang dan Permasalahan Dalam era yang semakin berkembang ini, penggunaan data mining semakin banyak dalam berbagai bidang dan menjadi bagian dari perkembangan teknologi informasi
Lebih terperinciPREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES
PREDIKSI HERREGISTRASI CALON MAHASISWA BARU MENGGUNAKAN ALGORITMA NAÏVE BAYES Selvy Megira 1), Kusrini 2), Emha Taufiq Luthfi 3) 1), 2), 3) Teknik Universitas AMIKOM Yogyakarta Jl Ring road Utara, Condongcatur,
Lebih terperinciSKRIPSI. Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program Studi Teknik Informatika OLEH :
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JURUSAN PADA PENDAFTARAN SISWA BARU JALUR PRESTASI MENGGUNAKAN METODE NAÏVE BAYES (Studi Kasus di SMKN 1 Boyolangu Tulungagung) SKRIPSI Diajukan Untuk Memenuhi Sebagian
Lebih terperinciBAB I PENDAHULUAN. Pada bagian awal penelitian ini dipaparkan secara lengkap latar belakang,
BAB I PENDAHULUAN Pada bagian awal penelitian ini dipaparkan secara lengkap latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, metodologi, dan sistematika penulisan. 1.1 Latar Belakang
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang
BAB I PENDAHULUAN 1.1 Latar Belakang Meningkatnya perkembangan teknologi juga diikuti dengan berkembangnya penggunaan berbagai situs jejaring sosial. Salah satu jejaring sosial yang sangat marak digunakan
Lebih terperinciBAB II TINJAUAN PUSTAKA
BAB II TINJAUAN PUSTAKA Dalam penelitian ini diambil beberapa tinjauan untuk dijadikan landasan teori dalan proses pengklasifikasian sudhi wadani dengan metode categorical naïve bayes classifier menggunakan
Lebih terperinciPerbandingan 5 Algoritma Data Mining untuk Klasifikasi Data Peserta Didik
Perbandingan 5 Algoritma Data Mining untuk Klasifikasi Data Peserta Didik Imam Sutoyo AMIK BSI JAKARTA e-mail: imam.ity@bsi.ac.id Abstrak - Klasifikasi peserta didik merupakan kegiatan yang sangat penting
Lebih terperinciBAB I PENDAHULUAN 1.1 Latar Belakang Masalah
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah Badan Pusat Statistika menyatakan bahwa angka kecelakaan lalu lintas yang terjadi di Indonesia sangat tinggi, penyebabnya adalah semakin banyaknya jumlah kendaraan
Lebih terperinciPenentuan Kelayakan Kredit Dengan Algoritma Naïve Bayes Classifier: Studi Kasus Bank Mayapada Mitra Usaha Cabang PGC
Penentuan Kelayakan Kredit Dengan Algoritma Naïve Bayes Classifier: Studi Kasus Bank Mayapada Mitra Cabang PGC Nia Nuraeni 1 Abstract In analyzing a credit sometimes a less accurate credit officer in credit
Lebih terperinciIMPLEMENTASI METODE BAYESIAN DALAM PENJURUSAN DI SMA BRUDERAN PURWOREJO STUDI KASUS: SMA BRUDERAN PURWOREJO
IMPLEMENTASI METODE BAYESIAN DALAM PENJURUSAN DI SMA BRUDERAN PURWOREJO STUDI KASUS: SMA BRUDERAN PURWOREJO Sendy Winanta Yetli Oslan, Gunawan Santoso Abstrak Penjurusan siswa kelas X SMA yang akan naik
Lebih terperinciBAB I PENDAHULUAN. 1.1 Latar Belakang. Mikroblog adalah salah satu bentuk blog yang memungkinkan
1.1 Latar Belakang BAB I PENDAHULUAN Mikroblog adalah salah satu bentuk blog yang memungkinkan penggunanya untuk berbagi konten digital. 1 Perbedaan mikroblog dengan blog biasa terletak pada ukuran posting.
Lebih terperinciBAB 2 LANDASAN TEORI
6 BAB 2 LANDASAN TEORI 2.1. Sistem Pendukung Keputusan (SPK) Definisi awal SPK menunjukkan SPK sebagai sebuah sistem yang dimaksudkan untuk mendukung para pengambil keputusan manajerial dalam situasi keputusan
Lebih terperinciKeoptimalan Naïve Bayes Dalam Klasifikasi
Keoptimalan Naïve Bayes Dalam Klasifikasi M. Ammar Shadiq Program Ilmu Komputer FPMIPA Universitas Pendidikan Indonesia ammar.shadiq@gmail.com Abstrak Naïve Bayes adalah salah satu algoritma pembelajaran
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1. Tinjauan Pustaka Penelitian terkait metode clustering atau algoritma k-means pernah di lakukan oleh Muhammad Toha dkk (2013), Sylvia Pretty Tulus (2014), Johan
Lebih terperinciBAB 1 PENDAHULUAN. Akibat tingkat pertumubuhan yang positif tersebut, secara otomatis industri
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Perkembangan Bisnis kuliner di era saat ini makin meningkat, hal ini diperkuat dengan pernyataan yang pernah disampaikan oleh Menteri Peindustrian Saleh Husin
Lebih terperinciBAB I PENDAHULUAN.
BAB I PENDAHULUAN 1.1. Latar Belakang Saat ini smartphone telah berevolusi menjadi komputer pribadi kecil dan portabel yang memungkinkan pengguna untuk melakukan penjelajahan internet, mengirim e-mail
Lebih terperinciBAB II TINJAUAN PUSTAKA DAN DASAR TEORI
BAB II TINJAUAN PUSTAKA DAN DASAR TEORI 2.1 Tinjauan Pustaka Untuk membedakan penelitian sekarang dengan penelitian yang terdahulu maka penulis melakukan studi pustaka yang telah dilakukan oleh peneliti-peneliti
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 IV GAMBARAN UMUM METODOLOGI DATA MINING
BAB IV GAMBARAN UMUM METODOLOGI DATA MINING A. Metodologi Data Mining Metodologi Data Mining Komponen data mining pada proses KDD seringkali merupakan aplikasi iteratif yang berulang dari metodologi data
Lebih terperinciBAB I PENDAHULUAN 1.1. Latar Belakang
BAB I PENDAHULUAN 1.1. Latar Belakang Dalam mencapai tujuan pembangunan ekonomi diperlukan peran serta lembaga keuangan untuk membiayai pembangunan tersebut. Lembaga keuangan memegang peranan penting dalam
Lebih terperinciBayesian Classifier. Bahan Kuliah Data Mining. Dr. Taufik Fuadi Abidin, S.Si., M.Tech. Program Studi Teknik Informatika FMIPA Universitas Syiah Kuala
Naïve Bayesian Classifier Dr. Taufik Fuadi Abidin, S.Si., M.Tech Program Studi Teknik Informatika FMIPA Universitas Syiah Kuala www.informatika.unsyiah.ac.id/tfa Bahan Kuliah Data Mining Outline Pertemuan
Lebih terperinci1. BAB I PENDAHULUAN. 1.1 Latar Belakang
1. BAB I PENDAHULUAN 1.1 Latar Belakang Teknologi informasi menjadi ciri khas pada era globalisasi saat ini. Perkembangan sistem informasi saat ini sangat pesat khusunya dalam urusan bisnis manusia. Terlebih
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 terperinciTabel 1.1 Pertumbuhan Panjang Jalan dan Jumlah Kendaraan
BAB I PENDAHULUAN Sebagai negara berkembang, perekonomian Indonesia didorong untuk tumbuh dengan pesat. Salah satu indikator pertumbuhan perekonomian yang baik adalah tingginya daya beli masyarakat. Tingginya
Lebih terperinci