• Tidak ada hasil yang ditemukan

DAFTAR PUSTAKA

N/A
N/A
Protected

Academic year: 2024

Membagikan "DAFTAR PUSTAKA"

Copied!
3
0
0

Teks penuh

(1)

65

DAFTAR PUSTAKA

Akilan, A. (2015). Text mining: Challenges and future directions. 2nd International Conference on Electronics and Communication Systems, ICECS 2015, 1679–

1683. https://doi.org/10.1109/ECS.2015.7124872

Bustami, Abdullah, D., & Fadlisyah. (2014). Statistika : Terapannya di Informatika. Yogyakarta: Graha Ilmu.

D. Manning, C., Raghavan, P., & Schütze, H. (2009). An Introduction to Information Retrieval. Cambridge University Press, 38(c), 156–164.

https://doi.org/10.1210/endo-38-3-156

Faradhillah, N. Y. A., Kusumawardani, R. P., & Hafidz, I. (2016). Eksperimen Sistem Klasifikasi Analisa Sentimen Twitter Pada Akun Resmi Pemerintahan Kota Surabaya Berbasis Pembelajaran Mesin.

Gusriani, S., Wardhani, K. D. K., & Zul, M. I. (2016). Analisis Sentimen Terhadap Toko Online di Sosial Media Menggunakan Metode Klasifikasi Naïve Bayes (Studi Kasus: Facebook Page BerryBenka). 4th Applied Business and Engineering Conference, 1(1), 1–7.

Han, J., & Kamber, Micheline. (2006). Data Mining Concepts and Techniques (2nd Edition).

Indrawan, B. P., Maharani, W., & Kurniati, A. P. (2012). Analisis sentimen berdasarkan fitur produk menggunakan opinion lexicon dan wordnet.

Kristiyanti, D. A. (2015). Analisis Sentimen Review Produk Kosmetik Melalui.

Konferensi Nasional Ilmu Pengetahuan Dan Teknologi (KNIT), 74–81.

Liu, B. (2012). Sentiment Analysis(Introduction and Survey) and Opinion Mining.

Morgan &Claypool. https://doi.org/10.1162/COLI

Nugroho, D. G., Chrisnanto, Y. H., & Wahana, A. (2016). Analisis Sentimen Pada Jasa Ojek Online ... (Nugroho dkk.). Prosiding SNST Fakultas Teknik, 1(1),

(2)

66 156–161.

O’Keefe, T., & Koprinska, I. (2011). Feature Selection and Weighting Methods in Sentiment Analysis. IMECS 2011 - International MultiConference of Engineers and Computer Scientists 2011, 1, 394–397. Retrieved from http://www.scopus.com/inward/record.url?eid=2-s2.0-

79960591378&partnerID=tZOtx3y1

Prasetyo, E. (2012). Data Mining konsep dan Aplikasi menggunakan MATLAB.

Yogyakarta: Andi.

Putri, D. U. K. (2016). Implementasi Inferensi Fuzzy Mamdani untuk Keperluan Sistem Rekomendasi Berita Berbasis Konten. Retrieved from http://etd.repository.ugm.ac.id/index.php?mod=penelitian_detail&sub=Peneli tianDetail&act=view&typ=html&buku_id=104107&obyek_id=4

Rachmat C, A., & Lukito, Y. (2016). Klasifikasi Sentimen Komentar Politik dari Facebook Page Menggunakan Naive Bayes. Jurnal Informatika Dan Sistem Informasi Universitas Ciputra, 02(02), 26–34.

https://doi.org/10.1080/10408398.2013.809690

Rianto, B. (2016). Implementasi dan perbandingan metode prapemprosesan pada analisis sentimen gubernur dki jakarta menggunakan metode support vector machine dan naive bayes Implementation and comparison of preprocessing methods on sentimen analysis of governor of jakarta us.

Rish, I. (2001). An empirical study of the naive Bayes classifier. International Joint Conferences on Artificial Intelligence 2001 Workshop on Empirical Methods in Artificial Intelligence, (January 2001), 41–46.

Saraswati, N. W. (2011). Text mining dengan metode naïve bayes classifier dan support vector machines untuk sentiment analysis. Universitas Udayana, 1– 99.

Saraswati, N. W. S. (2013). Naïve Bayes Classifier Dan Support Vector Machines Untuk Sentiment Analysis. Seminar Nasional Sistem Informasi Indonesia,

(3)

67

586–591. Retrieved from

http://is.its.ac.id/pubs/oajis/index.php/file/download_file/512

Sokolova, M., & Lapalme, G. (2009). A systematic analysis of performance measures for classification tasks. Information Processing and Management, 45(4), 427–437. https://doi.org/10.1016/j.ipm.2009.03.002

T. Larose, D. (2006). Naive bayes estimation and bayesian networks. In Data Mining Methods and Models.

Tan, Pang-Ning and Steinbach, Michael and Kumar, V. (2006). An introduction to data mining. Structure and Bonding, 134, 1–35.

https://doi.org/10.1007/430_2009_1

Ulwan, M. N. (2016). Pattern Recognition Pada Unstructured Data Teks Menggunakan Support Vector Machine Dan Association. Skripsi: Program Studi Statistika Universitas Islam Indonesia.

Weiss, S. M., Indurkhya, N., & Zhang, T. (2010). Fundamentals of Predictive Text Mining (Texts in Computer Science). Retrieved from http://www.amazon.com/Fundamentals-Predictive-Mining-Computer-

Science/dp/1849962251

Referensi

Dokumen terkait

Oleh Karena itu, pada penelitian ini dilakukan perbandingan antara metode Naïve Bayes Classifier dan Support Vector Machine pada analisis sentimen review pengguna

Jadi dapat dilihat bahwa pengklasifikasian Support Vector Machine yang terbaik di antara Naive Bayes dan Random Forest jika digunakan untuk dataset sentimen

Husni, "Aplikasi Web Untuk Analisis Sentimen Pada Opini Produk Dengan Metode Naive Bayes Classifier," Prosiding Seminar Nasional Inovasi Dan Aplikasi Teknologi Di Industri

Metode Naive Bayes Untuk Prediksi Kelulusan Studi Kasus : Data Mahasiswa Baru Perguruan Tinggi, Jurnal Ilmiah Ilmu Komputer Tampubolon, K., Saragih H., Reza B.. Implementasi Data

Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier.. Indonesian Journal of

2021 ‘Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine’, Jurnal Informatika, p.. and Nasir,

Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia pada Twitter dengan Metode Support Vector Machine dan Lexicon Based Features” no..

2019 'Implementasi Metode Forward Selection Pada Algoritma Support Vector Machine SVM dan Naive Bayes Classifier Kernel Density Studi Kasus: Klasifikasi Jalur Minat SMA', Jurnal