• Tidak ada hasil yang ditemukan

S KOM 1002484 Bibliography

N/A
N/A
Protected

Academic year: 2017

Membagikan "S KOM 1002484 Bibliography"

Copied!
2
0
0

Teks penuh

(1)

Muhammad Haryadi Futra, 2014

Deteksi aktivitas dengan memanfaatkan data layanan jejaring sosial berbasis lokasi twitter

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

DAFTAR PUSTAKA

Feldman, R. dan James, S. (2007). The Text Mining Handbook. New York:

Cambridge.

Fitton, L., Michael E Gruen., dan Leslie Poston. (2010). Twitter For Dummies, 2

nd

ed. Indianapolis: Wiley Publishing Inc.

Hamzah, Amir. (2012). “Klasifikasi Teks dengan Naive Bayes Classifier (NBC)

untuk Pengelompokkan Teks Berita dan Abstract Akademis”. Jurnal

Prosiding Seminar Nasional Aplikasi Sains & Teknologi Periode III.

Han, Jiawei. dan Kamber, Micheline. (2006). Data Mining Concepts and

Techniques, 2nd ed. San Francisco: Morgan Kaufmann Publisher.

Hermawati, F.A. (2013). Data Mining. Yogyakarta: Penerbit Andi.

Kumar, A.A. dan Chandrasekhar, S. (2012). “Text Data Pre-processing and

Dimensionality Reduction Techniques for Document Clustering”.

International Journal of Engineering Research & Technology. 1, 1-6.

Narwati. (2010). “Pengelompokkan Mahasiswa Menggunakan Algoritma

K-Means”.

Rendy. Wibisono, Y. dan Sukamto, R.S. (2013). “Event Detection Banjir pada

Microblogging Twitter dengan Algoritma DBSCAN”. Jurnal Ilmu Komputer

Universitas Pendidikan Indonesia.

Saputra, Agus. (2014). Buku Sakti Para Pengembang Web. Cirebon: CV. ASFA

Solution.

Statisticbrain (2014, Juli). Twitter Statistic [Online]. Tersedia di:

http://www.statisticbrain.com/twitter-statistics/

Statista (2014, April). Statisticand Facts About Twitter [Online]. Tersedia di:

http://www.statista.com/topics/737/twitter/.

Ting, K.M (2010). Precision and Recall [Online]. Tersedia di:

(2)

Muhammad Haryadi Futra, 2014

Deteksi aktivitas dengan memanfaatkan data layanan jejaring sosial berbasis lokasi twitter

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Trisedya, B.D. dan Hardinal Jais. (2009). “Klasifikasi Dokumen

Menggunakan Algoritma Naïve Bayes dengan Penambahan Parameter

Probabilitas Parent Category”. Laporan Fasilkom UI.

Turney, P.D. dan Pantel, P. (2010). “From Frequency to Meaning: Vecto r Space

Models of Semantics”. Journal of Atificial Intelligence Research. 37,

141-188.

Wagstaff, Kiri. et al. (2001). “Constrained K-Means Clustering with Background

Knowledge”.DaimlerChrysler Research and Technology Center.

Widiastuti, Dwi. “Analisa Perbandingan Algoritma SVM, Naive Bayes, dan

Decision Tree dalam Mengklasifikasikan Serangan (Attacks) pada Sistem

Pendeteksi Intrusi”. Jurnal Sistem Informasi Universitas Gunadarma.

Referensi

Dokumen terkait

ANALISIS LIBQUAL +TM PADA LAYANAN SIRKULASI DENGAN MENGGUNAKAN TEKNIK IMPORTANCE PERFORMANCE ANALYSIS (IPA). U NIVERSITAS P ENDIDIKAN I NDONESIA |

Perancangan Sistem Rekomendasi Kesehatan Anak dengan Memanfaatkan Twitter Perancangan sistem rekomendasi kesehatan solusi kesehatan anak memanfaatkan jejaring sosial

Luaran dari aplikasi ini dapat berguna bagi para analis yang ingin mengolah data yang bersumber dari jejaring sosial khususnya twitter. Kata kunci: Crawler , Twitter,

SISTEM PRED IKSI SPAM ACCOUNT PAD A MED IA SOSIAL TWITTER D ENGAN MENGGUNAKAN ALGORITMA C4.5.. Universitas Pendidikan Indonesia | repository.upi.edu |

DETEKSI MOOD PESERTA DIDIK PADA RUANG KELAS MENGGUNAKAN METODE DEEP LEARNING Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu..

Kontribusi Persepsi Mahasiswa Tentang Ketersediaan Buku Terhadap Minat Memanfaatkan Perpustakaan Untuk Menunjang Perkuliahan di Prodi PTB DPTS FPTK UPI.. Universitas

PEMBELAJARAN AKTIVITAS AQUATIK BERBASIS KELAS HOMOGEN PADA MAHASISWA PJKR FPOK UPI ANGKATAN 2012. Universitas Pendidikan Indonesia | repository.upi.edu

DETEKSI POTENSI KECURANGAN UJIAN BERDASARKAN GERAKAN PESERTA DIDIK MENGGUNAKAN METODE DEEP LEARNING.. Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu