• Tidak ada hasil yang ditemukan

Progress Tugas Kelompok 6

N/A
N/A
Protected

Academic year: 2021

Membagikan "Progress Tugas Kelompok 6"

Copied!
8
0
0

Teks penuh

(1)

Nama :

Muna Khairunnisa’

A11.2013.07988

Winda Listyaningsih

A11.2014.08679

Progress Tugas Kelompok 6

Topik Penelitian

Topik Penelitian : Klasifikasi Iklan Baris

Karena banyaknya jumlah iklan baris yang tertera pada koran, yang membuat

pembaca kadang menjadi bingung, sehingga dengan adanya klasifikasi iklan

baris dapat memudahkan pembaca untuk mencari iklan baris yang diinginkan.

Research Problem – Literature Supports

Research problem – literature supports merupakan paper dengan permasalahan

dan topik pembahasan yang mirip dengan penelitian klasifikasi iklan baris, ada

10 paper yang digunakan dalam penelitian ini beserta dengan penjelasannya,

dibawah ini :

Masalah Penelitian (RP)

Landasan Literatur

Banyak iklan baris yang ada dalam

koran dan belum diklasifikasikan

sesuai dengan kelasnya sehingga space

koran menjadi sangat sempit yang

menjadikan tulisan fontnya kecil-kecil,

sehingga para pembaca bingung saat

membaca iklan baris tersebut.

Mengalisa opini dari suatu dokumen teks, yaitu untuk menganalisa secara otomatis

opini pelanggan tentang produk dan

pelayanannya pada perguruan tinggi. (Imam

Fahrur Rozi et all, 2012)

Secara umum pembaca berita hanya fokus melihat pada garis besar suatu berita yang dicari sebelum melihat lebih detail lagi berita

hasil pencarian. (Budhi Kurniawan Wangsa,

Darmawan Utomo, Saptadi Nugroho, 2014)

Saat ini sosial media banyak digunakan untuk jualan secara online yang sering disebut online shop, hanya bermodalkan upload foto saja. Namun dengan bertambah banyaknya penjual online membuka kesempatan bagi

penjual yang tidak bertanggungjawab

(2)

kepercayaan pembeli terhadap online shop

yang dimiliki. (Yan Puspitarani, 2015)

Iklan baris dikonsumsi para perusahaan atau UKM. Iklan

ini hanya memiliki pesan berupa teks sehingga tidak cocok untuk jenis iklan yang menawarkan atau mencari sebuah barang, mengenai biaya yang relative lebih efisien dibandingkan beriklan

dengan bentuk yang lain. Dan harga koranpun

sangat terjangkau. pencarian iklan baris akan bias dilakukan dengan

mudah. Akan tetapi sekarang ini sudah menjadi kebiasaan banyak orang untuk melakukan

pencarian berita termasuk iklan melalui

online. (Yuli Fauziah,2013)

Dokumen teks yang

menumpuk menyebabkan sulitnya mencari dokumen yang sesuai

dengan kebutuhan . data teks dokumen

tersebut terakumulasi dalam online atau offline. Jadi, sulit untuk mengetahui

dokumen berdasarkan kebutuhan. Perlunya dibantu oleh klasifikasi dokumen

teks, yaitu suatu proses pengelompokan dokumen ke kategori yang dapat

digunakan untuk melakukan analisis. . (Silfia Andini, 2013)

Banyak beita yang disampaikan, terdiri

dari beberapa kategori yaitu : politik,

ekonomi, olahraga. Yang masih dibagi

dengan cara yang manual sehingga itu

akan merepotkan jika berita yang

diunggah berjumlah banya.

(Bambang

K, Syahril E, Opin. S S, 2012)

Visualisasi kemacetan lalu lintas kota

bandung didasarkan pada data

(3)

(download) tweet yang diambil

disimpan di database.

(Sandi, Edi,

2013)

Tersedia banyak wadah untuk

menampung iklan baik digital ataupun

tidak, namun sengaja atau tidak

sengaja banyak orang yang

menempatkan iklan tidak pada

kategorinya

. (Danny, Dwi, Abdul,

Wahyudi, 2015)

Media sosial belum mampu

mengagregasi informasi mengenai

suatu perbincangan yang ada menjadi

sebuah kesimpulan

. (Aditia, Adam,

2014)

Pengklasifikasian berita dengan 6

kategori : ekonomi,kesehatan, politik,

teknologi, olahraga dan pendidikan.

Didapatkan nilai akurasi 86.67%.

(Rusdi, Reza, Jeni, 2012)

(4)

RP - RQ – RO

Research problem menjelaskan tentang permasalahan yang terjadi, dijadikan topik penelitian. Research Problem menjelaskan tentang apa yang melatar belakangi penelitian ini. Reseach Question menjelaskan tentang rumusan masalah yang akan dibahas dalam penelitian ini berdasarkan permasalahan dari topik penelitian. Research Objectives berisi tujuan dilakukannya penelitian ini berdasarkan rumusan masalah dan permasalahan dari topik penelitian. Di bawah ini merupakan uraian dari Research Problem, Reseach Question dan Research Objectives.

Research Problem (RP) Research Question (RQ) Research Objectives (RO)

RP

Pada surat kabar terdapat banyak orang yang mengiklankan barang / jasa melalui iklan baris maka banyak iklan yang akan terdaftar dengan berbagai jenis dan kriteria. Dengan banyaknya jumlah iklan baris maka dibutuhkan suatu pengelompokkan berdasarkan jenis iklan untuk memudahkan pencarian iklan baris pada surat kabar RQ Bagaimana hasil kinerja dari algoritma Naive Bayes Classifier dalam mengklasifikasi iklan baris yang ada dalam

koran ? RO Menerapkan algortima Naive Bayes dan mendapatkan akurasi yang tinggi dalam pengklasifikasian iklan baris.

(5)

Mind Map

Masalah Penelitian Jurnal Publikasi

Metode / Algoritma Klasifikasi Iklan Baris Topik Penelitian

Dataset Klasifikasi Iklan Baris

Journal Publication

Berisi paper-paper yang digunakan sesuai dengan topik penelitian.

1. Klasifikasi Dokument Teks Menggunakaan Algoritma Naive Bayes Dengan Bahasa

Pemrograman Java, Silfia Andini, 2013 - Dipublikasikan oleh JURNAL

TEKNOLOGI INFORMASI & PENDIDIKAN

2. Aplikasi Iklan Baris Online menggunakan Arsitektur REST Web Service, Yuli

Fauziah, 2013 - Dipublikasikan oleh Telematika

3. Sistem Pendukung Keputusan Klasifikasi Tingkat Keganasan Kanker Payudara

Dengan Metode Naive Bayes, Y. V. Via, B. Nugroho, and A. Syafrizal, 2015

dipublikasikan Universitas Pembangunan Nasional “Veteran” Jawa Timur

4. Analisis Music Mining Information Retrieval Untuk Klasifikasi Jenis Musik

Bergenre Menggunakan Algoritma Naive Bayes, A. I. Dewi and A. N. Hidayat , 2015

– Dipublikasikan Jurnal Elektronik Sistem Informasi Dan Komputer.

5. Analyzing Sentiment of Movie Review Data using Naive Bayes Neural Classifier, L.

Dhande and P. G. K. Patnaik, 2014 – Dipublikasikan International Journal of Emerging Trends & Technology in Computer Science (IJETTCS).

6. Pembangunan Aplikasi Klasifikasi Mahasiswa Baru untuk Prediksi Hasil Studi

Menggunakan Naïve Bayes Classifier, M. K. Sari and I. Wisnubhadra, 2015

Dipublikasikan Jurnal Buana Informatika.

7. Klasifikasi Konten Berita Dengan Metode Text Mining, Bambang K, Syahril E, Opim

S. S, 2012 – Dipublikasikan Jurnal Dunia Teknologi Informasi.

8. Klasifikasi Posting Twitter Kemacetan Lalu Lintas Kota Bandung Menggunakan

Naive Bayes Classification, Sandi. F. R, Edi. W, 2013 – Dipublikasikan IJCCS Vol. 7

9. Klasifikasi Iklan Pada Online Shop Dengan Metode Naive Bayes, Danny S, Dwi A. S,

Klasifikasi Iklan Baris

(6)

Abdul M M, Wahyudi H, 2015 – Dipublikasikan Teknologi dan Ilmu.

10.Analisis Sentimen Terhadap Acara Televisi Berdasarkan Opini Publik, Aditia, Adam,

(7)

Research Topics

Research Topik berisi tentang subbab subbab yang akan dilakukan dalam penelitian klasifikasi iklan baris. Dengan subbab sebagai berikut :

1. Menentukan pola karakteristik dalam pengklasifikasian iklan baris.

2. Klasifikasi iklan baris berdasarkan jenisnya.

3. Menghitung akurasi dari hasil klasifikasi iklan baris dengan algoritma Naive Bayes.

Dataset

Dataset yang digunakan untuk klasifikasi dalam penelitian ini adalah iklan baris yang ada pada surat kabar. Dalam penelitian ini data yang digunakan ada dua jenis yaitu data training dan data testing. Data training yaitu kumpulan data iklan baris yang telah dilabeli dengan cara manual. Data training digunakan sebagai acuan untuk membentuk model pengelompokkan selanjutnya pada data testing.

Metode / Algoritma

Dalam penelitian ini menggunakan metode klasifikasi naive bayes classifier (NBC). Penulis belum menemukan jurnal terkait dengan pengklasifikasian iklan baris, namun terdapat beberapa algoritma yang membahas tentang pengklasifikasian teks, berikut jurnalnya:

1. Teknik Data Mining Untuk Memprediksi Masa Studi Mahasiswa Menggunakan

Algoritma K-Nearest Neighbor.

2. KNN based Machine Learning Approach for Text and Document Mining

3. Analisis Music Mining Information Retrieval Untuk Klasifikasi Jenis Music

Bergenre Menggunakan Algoritma Naive Bayes.

4. Analyzing Sentiment of Movie Review Data using Naive Bayes Neural Classifier.

5. Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa

Menggunakan Algoritma Naive Bayes Classifier

6. Pembangunan Aplikasi Klasifikasi Mahasiswa Baru untuk Prediksi Hasil Studi

Menggunakan Naïve Bayes Classifier.

Research Problems

1. Banyaknya iklan baris yang ada di koran.

(8)

Full Mind Map

Masalah

Bagaimana membuat aplikasi untuk klasifikasi iklan baris dan mendapatkan akurasi yang tinggi dalam pengklasifikasian iklan baris dengan menggunakan algoritma Naive Bayes.

Tujuan

Untuk merancang dan membangun aplikasi klasifikasi iklan baris dan untuk mendapatkan akurasi yang tinggi dalam melakukan klasifikasi iklan baris dengan menggunakan

algoritma Naive Bayes.

Eksperimen

Data Metode

Data diambil dari database surat kabar sebanyak 500 iklan baris kemudian dikelompokkan menurut jenisnya menggunakan metode klasifikasi

Naive Bayes Classifier (NBC)

Pengujian

Pengujian metode menggunakan confussion matrix untuk mendapatkan akurasi, presisi, recall, dan f-measure

Hasil

Aplikasi Klasifikasi iklan baris serta akurasi klasifikasi iklan baris berdasarkan jenisnya menjadi lima kelas yaitu iklan lowongan, iklan otomotif, iklan property, iklan elektronik dan jasa

Manfaat

Referensi

Dokumen terkait

H1 :Diduga hasil klasifikasi data mining untuk menentukan kelayakan pemberian kredit koperasi menggunakan algoritma Naive bayes memiliki nilai akurasi yang

Evaluasi model yang telah dihasilkan didapat bahwa yang memiliki akurasi tertinggi adalah skenario kedua yaitu metode klasifikasi dengan algoritma naive bayes

Naïve Bayes Classifier Hasil dari penelitian ini adalah Naive Bayes Classifier cukup baik sebagai algoritma klasifikasi untuk analisis sentimen, dengan hasil

Data hasil teersebut diperoleh hasil akurasi sebesar 81,67% sehingga sistem klasifikasi data penerima bantuan iuran (PBI) menggunakan algoritma Naive Bayes dapat

Metode yang digunakan pada penelitian ini adalah Multinomial Naive Bayes, metode ini dipilih karena memiliki rata-rata akurasi yang cukup tinggi antara 85%-90% untuk

Penelitian ini bertujuan untuk menganalisis peningkatan akurasi algoritma klasifikasi yakni K-Nearest Neighbor, Naive Bayes, C4.5, Random forest, dan Logistic Regression

Membuat perangkat lunak yang dapat melakukan klasifikasi data dengan metode Naïve Bayes dan mengetahui bagaimana mekanisme performa algoritma Naive Bayes terhadap

Hasil akurasi yang diperoleh terhadap 800 data ulasan aplikasi gojek yang terbagi dari 640 data latih dan 160 data uji memakai algoritma naive bayes tergolong cukup tinggi dengan