Analisis Penyakit Difteri Berbasis Twitter Menggunakan Algoritma Naïve Bayes

Sholihin, Ali; Haviluddin, Haviluddin; Puspitasari, Novianti; Wati, Masna; Islamiyah, Islamiyah

doi:10.30872/jsakti.v1i1.2215

Cited by 6 publications

(4 citation statements)

References 7 publications

(8 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Perhitungan cosine similarity merupakan komponen dasar yang banyak digunakan pada aplikasi data mining [6]. Secara gais besar metode cosine similarity ini didasarkan pada perhitungan sudut antara dua buah objek (contohnya Dokumen 1 dan Dokumen 2) yang dinyatakan dalam dua buah vector dengan menggunakan keywords (kata kunci) dari sebuah dokumen sebagai ukuran [14].…”

Section: Cosine Similarityunclassified

Penerapan Metode Cosine Similarity Dalam Mendeteksi Plagiarisme Pada Jurnal

Lumbansiantar,

Dwiasnati,

Fatonah

2023

FORMAT

View full text Add to dashboard Cite

Abstrak – Plagiarisme merupakan perilaku pencurian ide atau gagasan orang lain tanpa menyebutkan sumber aslinya. Kasus plagiarisme semakin lama semakin banyak nampaknya sudah membudaya dalam kehidupan masyarakat khususnya dibidang karya tulis ilmiah dalam dunia akademisi. Ketersediaan jurnal online yang memberikan kenyamanan kepada para pembacanya menjadi manfaat utamanya, akan tetapi potensi plagiarisme dan perilaku terkait plagiarisme adalah kelemahan utamanya. Metode Cosine Similarity merupakan salah satu metode yang dapat digunakan untuk mendeteksi plagiarisme pada teks. Metode ini didasarkan pada perhitungan sudut antara dua buah objek yang dinyatakan dalam dua buah vektor. Obyek yang digunakan dalam penelitian ini adalah abstrak jurnal online. Total sebanyak 100 data jurnal online yang digunakan untuk penelitian ini yang diperoleh dari situs-situs penerbit jurnal ilmiah. Tahapan yang dilakukan sebelum perhitungan Cosine Similarity adalah pre-processing dengan tujuan untuk menghilangkan inkonsistensi pada data. Berdasarkan hasil penelitian bahwa metode cosine similarity dapat mendeteksi plagiarisme pada dokumen jurnal dengan menghitung persentase kemiripan antara dokumen repositori dengan dokumen uji.

show abstract

Section: Cosine Similarityunclassified

Penerapan Metode Cosine Similarity Dalam Mendeteksi Plagiarisme Pada Jurnal

Lumbansiantar,

Dwiasnati,

Fatonah

2023

FORMAT

View full text Add to dashboard Cite

show abstract

“…Teks mining bertujuan menghasilkan informasi dari satu set dokumen. Text Mining mampu menghasilkan informasi melalui pemrosesan, pengelompokan, dan analisis data-data tidak terstruktur dalam jumlah besar [20]. Teks mining digunakan untuk mendapatkan informasi yang berguna dari serangkaian dokumen dengan sumber data pada teks yang memiliki format yang tidak terstruktur [21][22].…”

Section: Teks Miningunclassified

“…Pada tahap ini dilakukan proses cleaning untuk mengurangi noise dan remove stopword untuk menghapus kata-kata yang tidak bermakna seperti 'saya', 'dan', 'atau' [5]. Proses tokenization digunakan dalam identifikasi kata-kata dan memecah kalimat menjadi istilah berdasarkan spasi dan tanda baca [20]. Tahap terakhir dalam preprocessing yaitu stemming merubah kata imbuhan menjadi kata dasar [29].…”

Section: Metode Naïve Bayesunclassified

Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes

Samsir

Ambiyar

Verawardina

et al. 2021

mib

View full text Add to dashboard Cite

The WHO announced that more than 52 million people tested positive for Covid-19, and 1.2 million died in the second week of November 2020. Meanwhile, Indonesia recorded 463 thousand individuals with 15,148 deaths that were confirmed positive. Strategy against pandemics by incorporating socialization. However, learning that was initially bold as a technique became controversial due to the briefness of the adaptation process. a wide continuum of social reactions has resulted in the sudden transition from face-to-face learning to bold learning on a large scale. This research focuses on public opinion on online learning during the Indonesian COVID-19 pandemic in early November 2020. The analysis was carried out on Twitter by mining document-based text that was interpreted using the Naïve Bayes algorithm. The results show that online learning has a positive sentiment of 30 percent, a negative sentiment of 69 percent, and a neutral 1 percent over the period. Due to community dissatisfaction about online learning, a significant amount of negative sentiment is created. Some tweets indicate disappointment with the words' stress 'and' lazy 'in the conversation being high-frequency words.

show abstract

“…Text Mining mampu menghasilkan informasi melalui pemrosesan, pengelompokan, dan analisis data-data tidak terstruktur dalam jumlah besar (A. Sholihin, 2019). Analisis sentimen adalah proses menentukan sentimen dan mengelompokkan polaritas teks dalam dokumen atau kalimat sehingga kategori dapat ditentukan sebagai sentimen positif, negatif, atau netral (Setiawan, 2019).…”

Section: Pendahuluanunclassified

Aplikasi Web Analisis Sentimen Dengan Algoritma Multinomial Naïve Bayes

Winahyu

Suharjo

2021

KARMAPATI

View full text Add to dashboard Cite

Teknologi adalah keseluruhan sarana untuk menyediakan sebuah pelayanan yang diperlukan bagi terciptanya dan kenyamanan hidup manusia adalah aplikasi. Pada jejaring media sosial Twitter banyak pengguna yang menulis tweet tentang aplikasi web. Tahap dilakukan penambangan opini pengguna terkait kata kunci Aplikasi Web mengacu pada penggunaan bahasa alami, analisis teks untuk mengidentifikasi, mengekstrak, mengukur, dan mempelajari keadaan efektif dan informasi subjektif secara sistematis pada data opini di twitter. Dengan menggunakan metode klasifikasi teks yang telah banyak digunakan adalah algoritma Multinomial Naive Bayes. Metode ini memanfaatkan teorema probabilitas yang mana teorema bayes dan fungsionalitas data mining yaitu klasifikasi naïve bayes. Penelitian ini berfokus pada opini pengguna jejaring sosial twitter dengan kata kunci aplikasi data web ini diambil dari API twitter dengan jumlah item data 1000 selanjutnya klasifikasi opini pengguna dan data preproses. Dari hasil jumlah pengujian dalam algoritma kinerja kita menggunakan Confusion Matrix dan merepresentasikan prediksi dan kondisi sebenarnya(aktual) dari data yang dihasilkan oleh kita bisa menentukan Accuracy 69% , Precision merupakan rasio yang benar diprediksi pada label kelas positif 0,67 , netral 0, negatif 1 dan recall merupakan rasio jumlah yang diprediksi benar terhadap data keseluruhan yang benar-benar yaitu kelas positif 1,netral 0, negatif 0,14 dan f1-score merupakan rata – rata dari precision dan recall yaitu kelas positif 0,81,netral 0 , negatif 0,25.

show abstract

Analisis Penyakit Difteri Berbasis Twitter Menggunakan Algoritma Naïve Bayes

Cited by 6 publications

References 7 publications

Penerapan Metode Cosine Similarity Dalam Mendeteksi Plagiarisme Pada Jurnal

Penerapan Metode Cosine Similarity Dalam Mendeteksi Plagiarisme Pada Jurnal

Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes

Aplikasi Web Analisis Sentimen Dengan Algoritma Multinomial Naïve Bayes

Contact Info

Product

Resources

About