No abstract

Analisis  sentimen merupakan  bidang  yang  saat  ini sangat  diminati  oleh  berbagai  kalangan.  Analisis  sentimendapat dilakukan   dengan  menggunakan  dokumen  maupun  opini   dari media  sosial. Salah  satu  media  sosial  yang  biasanya  digunakan sebagai  sarana   opini  adalah  media  sosial Facebook. Sebelum sebuah  teks  diklasifikasikan,  perlu  dilakukan POS  Tagging yang merupakan  tahap  pelabelan  kata  dimana  tujuannya  adalah  untuk menentukan  kata  yang  termasuk  opini  dan  non  opini.  Untuk pelabelan kata  dapat   menggunakan Hidden   Markov   Model maupun Rule Based. Adapun metode yang biasa digunakan dalam analisis sentimen adalah metode Naïve Bayes Classifier. Metode ini mengklasifikasikan probalitas  dengan   sederhana. Naïve   Bayes Classifier dapat   digunakan  untuk  mengklasifikasikan  opini  ke dalam  opini   positif   maupun   negatif. Selain   itu   metode   ini menggunakan  data  latih  dalam  proses  klasifikasinya. Klasifikasi yang  dihasilkan  dari  metode Naïve  Bayes  Classifier tergolong cukup baik. Untuk  menguji   tingkat   keakuratan   sistem   dalam mengklasifikasikan    opini,    maka    dilakukan    pengujian    hasil klasifikasi.   Dari   hasil   pengujian   diperoleh   rata-rata   akurasi sebesar 87,1 %. Semakin banyak data latih yang mirip dengan data testing maka hasil klasifikasi akan semakin bagus. Kata  Kunci—Facebook, Analisis  Sentimen, POS Tagging, Naïve Bayes Classifier, Akurasi

Intisari— Sistem informasi saat ini telah menjadi bagian penting dalam meningkatkan efektifitas dan efisiensi suatu proses bisnis, sehingga diperlukan suatu pengukuran kualitas perangkat lunak untuk mengetahui sejauh mana sistem dapat menghasilkan informasi yang berkualitas. Dalam melakukan pengukuran kualitas ada beberapa model yang dapat digunakan sebagai panduan dalam melakukan penilaian perangkat lunak. ISO/IEC 25010 merupakan salah satu model kualitas yang dapat digunakan sebagai standar dalam melakukan pengukuran kualitas perangkat lunak. ISO/IEC 25010 terdiri dari software product quality model dan quality in use model. Artikel ini menelaah beberapa literature yang membahas mengenai pengukuran kualitas perangkat lunak yang menggunakan model ISO/IEC 25010. Saat ini ISO/IEC 25010 telah diterapkan untuk menilai kualitas pada sistem informasi akademik, sistem informasi pemerintah dan lembaga swasta, game, mobile application, dan decision support system. Hasil dari penilaian kualitas perangkat lunak dapat ditentukan melalui pengukuran terhadap aspek penting yang dipilih berdasarkan kebutuhan dari setiap perangkat lunak. Selain itu cara pengujian dan pengumpulan data yang digunakan dalam penilaian dapat berpengaruh terhadap tingkat akurasi dari pengukuran kualitas perangkat lunak.

Motorbike repair shops are one of the industries which provide services for repairs, tunings, or even providing availability of parts to the customer. Punctuality is one of the most important factor to every users that uses this kind of service. Nowadays, most of the repair shops provide several means to book and to make a reservation for most customer's intended services. But, they are done manually by the management, either by direct visits or by call. This will gradually become a tedious task and requires meticulous book keeping to track a huge numbers of reservations. This research was done as an attempt to develop a responsive web-based system, starting from its basic infrastructure analysis, built in PHP with standard MySQL database system. The result of this development is intended to cater and accommodate the needs of customers for reserving services ahead as well as to find the nearest, most suitable shops for their appointments automatically. All of this system functionalities are working as intended according to black box testing method.