• Tidak ada hasil yang ditemukan

6 DAFTAR PUSTAKA. [1] S. Kemp, DIGITAL 2021: INDONESIA, (accessed May 04, 2021).

N/A
N/A
Protected

Academic year: 2022

Membagikan "6 DAFTAR PUSTAKA. [1] S. Kemp, DIGITAL 2021: INDONESIA, (accessed May 04, 2021)."

Copied!
6
0
0

Teks penuh

(1)

76

6 DAFTAR PUSTAKA

[1] S. Kemp, “DIGITAL 2021: INDONESIA,” 2021.

https://datareportal.com/reports/digital-2021-indonesia (accessed May 04, 2021).

[2] Listya Febri Fathoni, Mushlihudin, K. Firdausy, and A. Yudhana,

“Application Information System Based Health Services Android,” J. Ilmu Tek. Elektro Komput. dan Inform., vol. 2, no. 1, pp. 37–46, 2016.

[3] Kemenkes RI, Profil Kesehatan Indonesia 2019 [Indonesia Health Profile 2019]. 2019.

[4] N. M. W. S. Dea Imarotunnisa Oktavia, Fortuna Zain Hamid,

“PENGARUH KREDIBILITAS PERUSAHAAN TERHADAP KEPERCAYAAN KONSUMEN PADA PENGGUNAAN APLIKASI KESEHATAN HALODOC,” vol. 6, no. 2, pp. 139–146, 2020.

[5] A. Sari, F. V., & Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.

Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 2, no. 2, pp.

681–686, 2019.

[6] S. R. Widianto, “Rancang Bangun Aplikasi Telemedika untuk Pasien Diabetes Berbasis Platform iOS,” Multinetics, vol. 3, no. 1, p. 20, 2017, doi: 10.32722/vol3.no1.2017.pp20-26.

[7] M. B. Laili, “Analisis implementasi sistem telemedika dan e-health di indonesia serta prospek kedepannya,” p. 12, 2016.

[8] A. Sarotama, A. Arisoni, and I. M. Astawa, “Penambahan Modul Usg Dan Modul Fetal Doppler Pada Telemedicine Workstation,” pp. 1–7, 2018.

[9] Y. S. Mahardhika and E. Zuliarso, “Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan

(2)

77 Algoritma Naives Bayes,” Pros. SINTAK 2018, no. 2015, pp. 409–413, 2018.

[10] J. A. Septian, T. M. Fahrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia

Menggunakan Pembobotan TF - IDF dan K - Nearest Neighbor,” J. Intell.

Syst. Comput., no. September, pp. 43–49, 2019.

[11] Hartanto, “TEXT MINING DAN SENTIMEN ANALISIS TWITTER PADA GERAKAN LGBT,” Intuisi J. Psikol. Ilm., vol. 9, no. 1, pp. 26–38, 2017.

[12] S. Juniarsih, E. Faja, and E. Esyudha, “Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi Implementation of Naive Bayes Classifier on Opinion Mining Based on the Society Tweets Rjelated to Presidential Performance ,” vol. 8, no. 3, pp. 239–249, 2020, doi:

10.26418/justin.v8i3.39118.

[13] A. Deviyanto and M. D. R. Wahyudi, “Penerapan Analisis Sentimen Pada Pengguna Twitter Menggunakan Metode K-Nearest Neighbor,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 3, no. 1, p. 1, 2018, doi:

10.14421/jiska.2018.31-01.

[14] U. Rofiqoh, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol.

1, no. 12, pp. 1725–1732, 2017, [Online]. Available: http://j- ptiik.ub.ac.id/index.php/j-ptiik/article/view/628.

[15] I. Rozi, S. Pramono, and E. Dahlan, “Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi,” J. EECCIS, vol. 6, no. 1, pp. 37–43, 2012.

(3)

78 [16] V. Chandani, “Komparasi Algoritma Klasifikasi Machine Learning Dan

Feature Selection pada Analisis Sentimen Review Film,” J. Intell. Syst., vol. 1, no. 1, pp. 56–60, 2015.

[17] Kadek Yogi Setiawan, H. Hidayati, and A. A. Gozali, “Analisis User Opinion Twitter Pada Level Fine-grained Sentiment Analysis Terhadap Tokoh Publik,” vol. 1, no. 1, pp. 639–646, 2014.

[18] G. Setiawan, H. N. Palit, and E. Setyati, “Aspect Based Sentiment Analysis pada Layanan Umpan Balik Universitas dengan Menggunakan Metode Naïve Bayes dan Latent Semantic Analysis,” J. Infra, vol. 7, no. 1, pp.

170–174, 2019.

[19] S. A. Shinde, “A Literature Survey on Multilingual Sentiment Analysis,”

vol. 3, no. 01, pp. 28–31, 2016.

[20] S. Mujilahwati, “Pre-Processing Text Mining Pada Data Twitter,” Semin.

Nas. Teknol. Inf. dan Komun., vol. 2016, no. Sentika, pp. 2089–9815, 2016.

[21] W. A. Luqyana, I. Cholissodin, and R. S. Perdana, “Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput.

Univ. Brawijaya, vol. 2, no. 11, pp. 4704–4713, 2018.

[22] O. Dwiraswati and K. N. Siregar, “Analisis Sentimen Pada Twitter Terhadap Penggunaan Antibiotik Di Indonesia Dengan Naive Bayes Classifier,” Media Inf., vol. 15, no. 1, pp. 1–9, 2019, doi:

10.37160/bmi.v15i1.232.

[23] F. Tempola, M. Muhammad, and A. Khairan, “Perbandingan Klasifikasi Antara KNN dan Naive Bayes pada Penentuan Status Gunung Berapi dengan K-Fold Cross Validation,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 5, p. 577, 2018, doi: 10.25126/jtiik.201855983.

[24] V. Amrizal, “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali

(4)

79 Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus:

Hadits Shahih Bukhari-Muslim),” J. Tek. Inform., vol. 11, no. 2, pp. 149–

164, 2018, doi: 10.15408/jti.v11i2.8623.

[25] M. Nurjannah and I. Fitri Astuti, “PENERAPAN ALGORITMA TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF) UNTUK TEXT MINING Mahasiswa S1 Program Studi Ilmu Komputer FMIPA Universitas Mulawarman Dosen Program Studi Ilmu Komputer FMIPA Universitas Mulawarman,” J. Inform. Mulawarman, vol. 8, no. 3, pp. 110–113, 2013.

[26] M. F. Rahman, D. Alamsah, M. I. Darmawidjadja, and I. Nurma,

“Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN),” J. Inform., vol. 11, no. 1, p. 36, 2017, doi: 10.26555/jifo.v11i1.a5452.

[27] M. Hasibuan, “Belajar Phyton dengan Singkat,” Inst. Bus. Informatics Darmajaya, no. April, 2020, [Online]. Available:

https://www.researchgate.net/publication/340536143_Belajar_Phyton_deng an_Singkat.

[28] T. R. Perkasa, H. Widyantara, and P. Susanto, “Rancang Bangun

Pendeteksi Gerak Menggunakan Metode Image Substraction Pada Single Board Computer (SBC),” J. Control Netw. Syst., vol. 3, no. 2, pp. 90–97, 2014.

[29] T. Carneiro, R. V. M. Da Nobrega, T. Nepomuceno, G. Bin Bian, V. H. C.

De Albuquerque, and P. P. R. Filho, “Performance Analysis of Google Colaboratory as a Tool for Accelerating Deep Learning Applications,”

IEEE Access, vol. 6, pp. 61677–61685, 2018, doi:

10.1109/ACCESS.2018.2874767.

[30] R. T. Handayanto and H. Herlawati, “Machine Learning Berbasis Desktop dan Web dengan Metode Jaringan Syaraf Tiruan Untuk Sistem Pendukung Keputusan,” J. Komtika (Komputasi dan Inform., vol. 4, no. 1, pp. 15–26,

(5)

80 2020, doi: 10.31603/komtika.v4i1.3698.

[31] D. D. A. Yani, H. S. Pratiwi, and H. Muhardi, “Implementasi Web Scraping untuk Pengambilan Data pada Situs Marketplace,” J. Sist. dan Teknol. Inf., vol. 7, no. 4, p. 257, 2019, doi: 10.26418/justin.v7i4.30930.

[32] D. A. M. M. M. Danish Ahamad, Md Mobin Akhtar, “Strategy and

implementation of web mining tools,” Int. J. Innov. Res. Adv. Eng., vol. 4, no. 12, pp. 1–7, 2017, doi: 10.26562/IJIRAE.2017.DCAE10081.

[33] W. Supriyanti and N. Puspitasari, “Implementasi Teknik Seleksi Fitur Forward Selection Pada Algoritma Klasifikasi Data Mining untuk Prediksi Masa Studi Mahasiswa Politeknik Indonusa Surakarta,” J. Inf. Politek.

Indones. Surakarta, vol. 4, no. 2, pp. 49–54, 2018.

[34] A. Natasuwarna, “Seminar Pendekatan Data Mining Memprediksi Profil Sosial Masyarakat Menggunakan Aplikasi RapidMiner,” Semin. Nas.

Pengabdi. Masy., pp. 38–44, 2019.

[35] D. Saepuloh, “VISUALISASI DATA COVID 19 PROVINSI DKI

JAKARTA MENGGUNAKAN TABLEAU DATA VISUALIZATION OF COVID 19 PROVINCE DKI JAKARTA USING TABLEAU bernama Severe Acute Respiratory Syndrome Perbedaan Tableau Desktop Tableau Public Open Source Berbayar ( bukan open sourc,” vol. 13, no. 2, pp. 55–

64, 2020.

[36] H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018, doi:

10.33096/ilkom.v10i2.303.160-165.

[37] S. Syarli and A. Muin, “Metode Naive Bayes Untuk Prediksi Kelulusan (Studi Kasus: Data Mahasiswa Baru Perguruan Tinggi),” J. Ilm. Ilmu Komput., vol. 2, no. 1, pp. 22–26, 2016.

[38] A. Saleh, “Implementasi Metode Klasifikasi Naïve Bayes Dalam

Memprediksi Besarnya Penggunaan Listrik Rumah Tangga,” Creat. Inf.

(6)

81 Technol. J., vol. 2, no. 3, pp. 207–217, 2015.

[39] P. A. Octaviani, Y. Wilandari, and D. Ispriyanti, “PENERAPAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM) PADA DATA AKREDITASI SEKOLAH DASAR (SD) DI KABUPATEN

MAGELANG,” J. GAUSSIAN, vol. 3, no. 23, p. n 811-820, 2014, doi:

10.15797/concom.2019..23.009.

[40] A. M. Puspitasari, D. E. Ratnawati, and A. W. Widodo, “Klasifikasi

Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine,”

J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 2, pp. 802–810, 2018.

[41] J. Siahaan, W. Wella, and R. I. Desanti, “Apakah Youtuber Indonesia Kena Bully Netizen?,” Ultim. InfoSys J. Ilmu Sist. Inf., vol. 11, no. 2, pp. 130–

134, 2020, doi: 10.31937/si.v11i2.1764.

[42] N. Haqqizar and T. N. Larasyanti, “Analisis Sentimen Terhadap Layanan Provider Telekomunikasi Telkomsel Di Twitter Dengan Metode Naïve Bayes,” Pros. TAU SNAR-TEK 2019 Semin. Nas. Rekayasa dan Teknol., vol. 10, no. 2, pp. 1–15, 2019.

[43] D. Rusdiaman and D. Rosiyadi, “Metode Naïve Bayes Classifier Dan Support Vector Machine,” J. Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 230–

235, 2019.

Referensi

Dokumen terkait

Jumlah bakteri yang dianalisis dalam penelitian ini dinyatakan dalam Total Plate Count (TPC) adalah total bakteri yang terdapat dalam air baku maupun air hasil olahan

Implementasi Text Mining Pada Analisis Sentimen Pengguuna Twitter Terhadap Media Mainstream Menggunakan Naive Bayes Classifier Dan Support Vector Machine..

Judul Skripsi : Analisis Sentimen Terhadap Layanan Provider Telkomsel Pada Jejaring Sosial Twitter Menggunakan Algoritma Support Vector Machine.. Telah berhasil dipertahankan

KLASIFIKASI SENTIMEN PADA VIDEO YOUTUBE BERBAHASA INDONESIA DENGAN MENGGUNAKAN SUPPORT VECTOR MACHINE.. Laporan

Ferdi Alvianda, Indriati, “Analisis Sentimen Konten Radikal Di Media Sosial Twitter Menggunakan Metode Support Vector Machine (SVM),” vol. Hayatin, “Sarcasm detection

Penelitian ini membuat sebuah sistem yang dapat melakukan analisis sentimen pengguna twitter terhadap tokoh publik secara real time dengan menggunakan Twitter

Dalam analisis sentimen ini dilakukan dengan memanfaatkan machine learning salah satu metodenya adalah Support Vector Machine yang merupakan metode pengklasifikasian

Tabel VI Contoh hasil pelabelan manual No Tweet Kelas 1 pengen buka usaha tapi belum ada modal menangkan hadiah modal Positif usaha total 400jt kompetisi kisahku bersama kartu praker