The objective of this study is to get an overview of the improvements applied in a number of studies and problems that have not been resolved. We have surveyed more than 30 scientific articles obtained from scientific article portals such as Science Direct, IEEE explore, Arxiv, and Google Scholar. Based on this abstract, we obtain similarities and differences based on the problem solved, the pre-processing method for data input, and the approach taken to achieve the goal. The results show that some problems have not been resolved by CNN in the text mining domain and NLP. This happens because CNN is used to solve problems in each case such as sentiment analysis, classification of documents or NLP cases such as entities and their relationships, or semantic representation. CNN that is proficient in image classification has proven its ability to process text. Appropriate data representations and methods have brought that success. However, a number of studies only convey the results they are working on. No one has specifically discussed high computing problems on CNN with consistent and measurable parameters. Thus there are still many studies that use CNN for mining text and NLP are still open to completion

Materi pelajaran mengenai sejarah walisongo diperkenalkan di kelas V Sekolah Dasar pada mata pelajaran Ilmu Pengetahuan Sosial dan Sejarah Kebudayaan Islam di kelas VI Madrasah Ibtidaiyah. Namun paradigma siswa-siswi pada mata pelajaran tersebut tidak baik karena menganggap materi yang diajarkan terlalu rumit, luas, dan cenderung banyak hapalan. Oleh karena itu, dibutuhkan suatu media yang dapat membantu guru dalam menyampaikan materi pembelajaran sejarah walisongo dan menarik perhatian siswa-siswi untuk mempelajari sejarah walisongo dalam bentuk game edukasi sejarah walisongo. Dengan membangun game edukasi sejarah walisongo diharapkan dapat menarik minat siswa-siswi belajar sejarah walisongo dan dapat digunakan sebagai media alternatif pembelajaran untuk membantu dalam proses belajar, khususnya mengenai pelajaran sejarah walisongo.

Text Summarization adalah sebuah proses untuk menghasilkan ringkasan suatu dokumen dengan  tidak menghilangkan informasi utama dari artikel. Ada beberapa metode untuk melakukan peringkasan, seperti metode rantai leksikal atau lexical chain yang memiliki kinerja yang baik untuk dokumen peringkasan dokumen tunggal. Meskipun demikian penggunaan metode lexical chain ini masih memiliki kelemahan yaitu tidak dapat mengidentifikasi kata yang berambigu  dalam pembentukan lexical chain. Dalam penelitian ini, untuk memperbaiki kekurangan tersebut metode lexical chain dilengkapi dengan  word sense disambiguation. Metode lexical chain dengan word sense disambiguation adalah metode pengembangan metode dari lexical chain. Dalam penelitian ini, setiap kata diperiksa ambiguitasnya.  Pemeriksaan ini dilakukan untuk mendapatkan akurasi dalam menentukan lexical chain yang sesuai dengan konteks kalimat. Perbedaan mendasar dari metode lexical chain dengan word sense disambiguation  dibandingkan dengan lexical chain, yaitu metode lexical chain dengan pengecekan word sense disambiguation sebelum menentukan rantai ambiguitas leksikal sedangan metode asli lexical chain ambiguitas tidak diperiksa. Metode lexical chain dengan word sense disambiguation diterapkan pada peringkasan artikel kesehatan. Dari hasil penelitian ini disimpulkan bahwa metode lexical chain dengan word sense disambiguation dapat memperbaiki kelemahan dalam metode sebelumnya karena metode lexical chain dengan word sense disambiguation dapat mengidentifikasi ambiguitas dan menghasilkan akurasi ringkasan yang lebih baik.

Teknik Informatika UNIKOM sebagai salah satu program studi, memiliki kewajiban untuk menjalani dan mempersiapkan proses akreditasi. Persiapan akreditasi di program studi teknik informatika dilakukan oleh panitia yang merupakan dosen dan staf sekretariat. Jumlah mahasiswa yang besar mempengaruhi jumlah kegiatan yang harus dilakukan oleh panitia akreditasi.Panitia akreditasi membutuhkan suatu sistem yang membantu dalam memonitor kesiapan dalam efektif dan efisien didalam operasionalnya.Sistem monitoring atau sistem pengawasan adalah suatu upaya yang sistematik untuk menetapkan kinerja standar pada perencanaan untuk merancang sistem umpan balik informasi, untuk membandingkan kinerja aktual dengan standar yang telah ditentukan, untuk menetapkan apakah telah terjadi suatu penyimpangan tersebut, serta untuk mengambil tindakan perbaikan yang diperlukan untuk menjamin bahwa semua sumber daya perusahaan atau organisasi telah digunakan seefektif dan seefisien mungkin guna mencapai tujuan perusahaan atau organisasi.Menggunakan panduan yang diberikan oleh DIKTI dalam mengisi buku borang akreditasi perguruan tinggi, kajian yang dilakukan adalah menganalisi dokumen-dokumen yang dimiliki oleh program studi. Berdasarkan hasil kajian dan analisis yang telah dilakukan, dapat disimpulkan bahwa program studi teknik informatika cukup baik. Meskipun terdapat beberapa kekurangan, Program studi teknik informatika telah cukup dalam memiliki dokumen terutama yang terkait standar 2 sampai dengan standar 7.

Abstrak -Klasifikasi adalah proses pengelompokkan objek yang memiliki karakteristik atau ciri yang sama ke dalam beberapa kelas. Klasifikasi dokumen secara otomatis dapat dilakukan dengan menggunakan ciri atau fitur kata yang muncul pada dokumen latih. Jumlah dokumen yang besar dan banyak mengakibatkan jumlah kata yang muncul sebagai fitur akan bertambah. Oleh karena itu, peringkasan dipilih untuk mereduksi jumlah kata yang digunakan dalam proses klasifikasi. Untuk proses klasifikasi digunakan metode Support Vector Machine (SVM) untuk multikelas. SVM dipilih karena dianggap memiliki reputasi yang baik dalam klasifikasi. Penelitian ini menguji penggunaan ringkasan sebagai seleksi fitur dalam klasifikasi dokumen. Peringkasan menggunakan kompresi 50 %. Hasil yang diperoleh menunjukkan bahwa proses peringkasan tidak mempengaruhi nilai akurasi dari klasifikasi dokumen yang menggunakan SVM.Akan tetapi, penggunaan peringkasan berpengaruh pada peningkatan hasil akurasi dari metode klasifikasiSimple Logistic Classifier (SLC). Hasil pengujian metode klasifikasi menunjukkan bahwa penggunaan metode Naïve Bayes Multinomial (NBM) menghasilkan akurasi yang lebih baik dari pada metode SVM.Kata kunci -peringkasan, klasifikasi, SVM, seleksi fitur, dokumen Abstract -Classification is the process of grouping objects that have the same features or characteristics into several classes. The automatic documents classification use words frequency that appears on training data as features.The large number of documents cause the number of words that appears as a feature will increase.Therefore, summaries are chosen to reduce the number of words that used in classification.The classification uses multiclass Support Vector Machine (SVM) method.SVM was considered to have a good reputation in the classification. This research tests the effect of summary as selection features into documents classification.The summariesreduce text into 50%.A result obtained that the summaries did not affect value accuracy of classification of documents that use SVM.But, summaries improve the accuracy of Simple Logistic Classifier. The classification testing shows that the accuracy of Naïve Bayes Multinomial (NBM) better than SVM.