• Tidak ada hasil yang ditemukan

S KOM 0900217 Bibliograpy

N/A
N/A
Protected

Academic year: 2017

Membagikan "S KOM 0900217 Bibliograpy"

Copied!
3
0
0

Teks penuh

(1)

51

DAFTAR PUSTAKA

Balaji, S., Murugaiyan, M.S., (2012). Waterfall vs V-Model vs Agile: A

Comparative Study on SDLC. International Journal of Information

Technology and Business Management Vol 2 No. 1

Boiy, E., Hens, P., Deschacht, K., Moens, M.F. (2007). Automatic Sentiment

Analyzing Unstructured Data. Cambridge University Press.

Fink, C.R., Chou, D.S., Kopecky, J.J., Llorens, A.J. (2011). Coarse- and

Fine-Grained Sentiment Analysis of Social Media Text. [Online]. Diakses dari

http://www.jhuapl.edu/techdigest/TD/td3001/Fink.pdf.

Go, A., Huang, L., Bhayani, R. (2009). Twitter Sentiment Analysis. [Online].

Diakses dari http://www-nlp.stanford.edu/courses/cs224n/2009/fp/3.pdf.

Jackoway, A., Samet, H., dkk. 2011. Identification of Life Events using Twitter.

Journal of ACM.

Liu, B. (2010a). Sentiment Analysis: A Multi-Faceted Problem.[Online]. Diakses

dari http://www.cs.uic.edu/~liub/FBS/IEEE-Intell-Sentiment-Analysis.pdf.

Liu, B. (2010b).Sentiment Analysis and Subjectivity. [Online]. Diakses dari

http://www.cs.uic.edu/~liub/FBS/NLP-handbook-sentiment-analysis.pdf.

Mooney, R. J. (2006).Machine Learning Text Categorization. University of

Texas.

Arief Mochammad Rachman, 2015

(2)

52

Nur, M.Y., Santika, D.D. (2011).Analisis Sentimen pada Dokumen Berbahasa

Indonesia dengan Pendekatan Support Vector Machine.[Online]. Diakses

dari

https://yudiagusta.files.wordpress.com/2008/09/009-014-knsi2011-

002-analisis-sentimen-pada-dokumen-berbahasa-indonesia-dengan-pendekatan-support-vector-machine.pdf.

Pak, A. (2010).Twitter as a Corpus for Sentiment Analysis and Opinion Mining.

[Online] . D i a k s e s d a r i h t t p : / / l r e c

-conf.org/proceedings/lrec2010/pdf/385_Paper.pdf.

Pang, B., Lee, L., Vaithyanathan, S. (2002).Thumbs up? Sentiment Classification

using Machine Learning Techniques. [Online] . D i ak s es d ar i

http://dl.acm.org/citation.cfm?id=1118704.

Pang, B., Lee, L. (2008). Opinion Mining and Sentiment Analysis. [Online].

Diakses dari

http://www.cs.cornell.edu/home/llee/omsa/omsa-published.pdf.

Republik Indonesia. (2013). Peraturan Pemerintah No. 86 Tahun 2013 tentang

Tata Cara Pengenaan Sanksi Administratif kepada Pemberi Kerja selain

Penyelenggara Negara dan Setiap Orang, selain Pemberi Kerja, Pekerja,

dan Penerima Bantuan Iuran dalam Penyelenggaraan Jaminan Sosial.

Sekretariat Negara. Jakarta.

Saraswati, N.W.S. (2011).Text Mining dengan MetodeNaïve Bayes Classifier dan

Support Vector Machines untukSentiment Analysis. (Tesis). Universitas

Udayana, Denpasar.

Semiocast. (2012).Twitter reaches half a billion accounts more than 140 millions

i n t h e U . S . [Online] . D i a k s e s d a r i

http://semiocast.com/en/publications/2012_07_30_Twitter_reaches_half_a

_billion_accounts_140m_in_the_US.

Turney, P. D. (2002).Thumbs Up or Thumbs Down? Semantic Orientation

Applied to Unsupervised Classification of Reviews. Proceedings of the

40th Annual Meeting of the Association for Computatoinal Linguistics

(ACL).

Twitter. (2015).Twitter Developers: Documentation. Retrieved 2015, from

Twitter: https://dev.twitter.com/overview/documentation

Arief Mochammad Rachman, 2015

(3)

53

Vryniotis, V. (2013).10 Tips for Sentiment Analysis Projects. [Online]. Diakses

dari http://blog.datumbox.com/10-tips-for-sentiment-analysis-projects.

Wang, S. (2012).Baselines and Bigrams: Simple, Good Sentiment and Topic

Classification. Proceedings of the 50th Annual Meeting of the Association

for Computatoinal Linguistics (ACL).

Wibisono, Y. (2011). Sistem Analisis Opini microblogging Berbahasa Indonesia.

Jurnal FPMIPA UPI.

Arief Mochammad Rachman, 2015

Referensi

Dokumen terkait

Dimulai dari tahap pre-processing (pelabelan, tokenisasi dan pembobotan), kemudian tahap analisis sentimen bagaimana mengukur kualitas hasil analisis menggunakan beberapa

Hasil evaluasi klasifikasi sentimen terhadap PSBB di Jakarta dengan menggunakan metode Naïve Bayes Classifier dengan 80% data latih dan 20% data uji serta dilakukan

Jadi, aktivitas menghafal materi pelajaran Al Qur’an Hadits adalah suatu kegiatan yang dilakukan dalam rangka usaha menghafalkan surat- surat pendek dan hadits yang ada

[r]

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

Pengembangan staf merupakan bidang yang penting dari supervisi, karena salah satu sasaran supervisi adalah pengembangan staf yang merupakan pelayanan untuk membantu

Berdasarkan hasil pengamatan yang penulis dapatkan ketika melaksanakan praktek pengalaman lapangan (PPL) di GPIB Jemaat Tamansari Salatiga, yang menjadi