RIFQI MAULANA 202210715026 F3B1
List 10 Paper Jurnal No Tahun
Terbit
Judul Paper Penulis Metode Algoritma Hasil
1 202o Analisa performa algoritma
machine learning pada prediksi penyakit cerebrovascular accidents
Robi aziz
zuama Prediksi Multi-layer Penyakit struk dapat dicegah dengan
menjalankan factor gaya hidup sehat, makan- makanan bergizi dan beraktifitas fisik. Tujuan penelitian ini adalah membuat sebuah model prediksi penyakit stroke yang efektif, system menggunakan parameter, dari factor gaya hidup, faktir yang dapat
dikendalikan seperti factor resiko medis dan factor- factor yang tidak dapt dikendalikan. Empat algoritma pengklasifikasi diusulkan yaitu multi layer perceptron, kkn ,decisssion tree dan random forest.
Hasil menunjukan bahwa algoritma pengklasifikasi dapat bekerja efektif dengan hasil nilai akurasi mencapai sempurna 99,99% pada tingkat validasi 10k-fold validation 2 2019 Klasifikasi Text
Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes
Elly Indrayuni Prediksi Naive Bayes Naive Bayes memiliki kelebihan yaitu sederhana, cepat dan memiliki akurasi yang tinggi. N-gram dianggap dapat
mengurangi selisih antara klasifikasi kelas positif dan negatif sehingga dapat meningkatkan rata-rata akurasi akhir suatu algoritma. Nilai akurasi yang dihasilkan akan
menjadi tolak ukur untuk mencari model pengujian terbaik untuk kasus klasifikasi sentimen.
Evaluasi dilakukan
menggunakan 10 fold cross validation. Pengukuran akurasi diukur dengan confusion matrix dan kurva ROC. Hasil penelitian menunjukkan penerapan generate n-gram pada tahap preprocessing mempengaruhi nilai akurasi dan nilai AUC yang dihasilkan. Nilai akurasi terbaik yang dihasilkan pada penelitian ini yaitu 90.50% dengan nilai AUC sebesar 0.715 pada penerapan generate n- gram = 2.
3 2021 Analisis Sentimen Physical
Distancing pada Twitter
Menggunakan Text Mining dengan Algoritma Naive Bayes Classifier
Nila Hardi, Yuris Alkahfi, Popon Handayani, Windu Gata, Muhammad Rifqi Firdaus
Prediksi Naive Bayes Classifier
Naive Bayes Classifier (NBC). Data terkumpul dilakukan filter dari cuitan tersebut dengan
menghapus data yang double maka setelah di filter data yang terambil yaitu sebanyak 547 tweets.
Pada perhitungan analisis sentimen terhadap physical distancing di tengah pandemi covid-19 menggunakan metode NBC memperoleh hasil akurasi sebesar 50,26%. Tujuan dari penelitian ini, agar dapat mengkategorikan opini negatif atau positif, dari pembahasan physical distancing. Nantinya informasi terkait kebijakan Physical Distancing bisa sampai tepat
informasinnya kepada masayarakat.
4 2017 Akurasi Text Mining Menggunakan Algoritma K- Nearest
Neighbour pada Data Content Berita SMS
Windu Gata Purnomo
Prediksi K-Nearest Neighbour
keakuratan pemilihan prediksi angka YA 772 kurang pas dan angka 32 sehingga presisinya sebesar 96,02%.
Sedangkan prediksi TIDAK mempunyai hasil sejumlah 0 dan 14 kesalahan benar pada prediksi YA. Sehingga hasil akurasi yang
diperoleh sebesar 96,15%.
Sehingga penggunaan aplikasi SMS-Gateway menggunakan lingkungan ANTARA sesuai dengan kebutuhan selama bulan November 2015. Serta dapat membantu ANTARA dalam mengklasifikasikan konten SMS dengan klasifika YA dan TIDAK.
5 2020 Klasifikasi Abstrak Jurnal Komputasi Menggunakan Metode Text Mining Dan Algoritma Support Vector Machine
Fitri, Eliza and Lumbanraja, Favorisen R and Ardiansyah, Ardiansyah
Prediksi SUPPORT VECTOR MACHINE
Jurnal Komputasi akan diklasifikasi menggunakan teknik text mining untuk mengolah abstrak menjadi lebih terstruktur dan mengambil informasi di dalamnya. Kemudian, informasi dalam abstrak diekstraksi sebagai fitur dengan teknik
pembobotan TFIDF. Model klasifikasi yang diusulkan menggunakan algoritma support vector machine yang memiliki konsistensi kuat. Klasifikasi model akan divalidasi dengan
menerapkan teknik 10-Fold Cross Validation.
6 2018 Komparasi
Algoritma Text Mining Untuk Klasifikasi Review Hotel
Andi Taufik Prediksi Naïve Bayes, Support Vector Machine, Decission Tree (C4.5) dan Metode Naïve Bayes
Hasil yang diperoleh dari perbandingan keempat metode algoritma tersebut, tingkat akurasi yang lebih baik pada klasifikasi review hotel indonesia menggunakan
algoritma Decission Tree (C4.5) 96.94% Sedangkan mencapai kecocokan metode optimasi Nave bayes dengan
menggunakan Seleksi fitur Particle Swarm
Optimization sebesar 95,91%, akurasi
menggunakan Algoritma Naive Bayes sebesar 89,98 dan akurasi model Support Vector Machine sebesar 89,86
7 2021 Penerapan
Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional
Dedi Darwis, Nery Siskawati, Zaenal Abidin
Prediksi Naive Bayes Sistem yang dikembangkan dengan menggunakan data internal yang diambil dari internet/twitter untuk proses penentuan kalimat termasuk opini positif, netral atau negatif.
Penentuan tersebut
digolongkan sebagai proses pengklasifikasian. Serta menggunakan Application Python 3.74. Hasil
Penelitian ini masuk kedalam fined grained sentiment analysis yaitu analisis pada suatu kalimat komentar. Data tersebut akan diproses
menggunakan text mining, kemudian dilanjutkan dengan mengklasifikasikan tweet ke dalam tiga kelas, yaitu positif, negatif, dan netral. Klasifikasi ini menggunakan algoritma naive bayes. Klasifikasi dapat memberikan
kemudahan bagi pengguna untuk melihat opini positif, negatif, dan netral. Hasil uji akurasi pada metode naive bayes untuk klasifikasi yaitu 69.97%.
8 2017 Penerapan Algoritma Cosine Similarity dan Pembobotan TF- IDF pada Sistem Klasifikasi Dokumen Skripsi
Rizki Tri Wahyuni, Dhidik Prastiyanto, Eko Supraptono
Prediksi Cosine
Similarity dan Pembobotan TF-IDF
Metode pengembangan sistem yang digunakan dalam penelitian ini adalah model waterfall,
sedangkan metode penelitian yang digunakan adalah metode Research and Development (R&D).
Data latih yang digunakan dalam penelitian ini berjumlah 50 dokumen skripsi dengan beberapa kategori yang berbeda.
Hasil penelitian menunjukkan bahwa persentase tingkat
ketepatan klasifikasi sistem adalah sebesar 98%.
9 2020 Implementasi Algoritma Multiclass Svm Pada Opini Publik Berbahasa Indonesia Di Twitter
Debby Alita, Yusra
Fernando, Heni Sulistiani
Prediksi MULTICLASS
SVM didapatkan bahwa untuk penilaian kinerja metode multiclass SVM dengan tingkat akurasi yang lebih tinggi didapatkan dari kinerja metode SVM One Against Rest dengan nilai perbedaan sebesar 0,06 untuk proses klasifikasi tiga kelas yaitu positif, negatif dan netral. Dapat
disimpulkan bahwa dalam proses klasifikasi yang memiliki lebih dari dua kelas dapat dilakukan dengan menggunakan metode klasifikasi SVM melalui pendekatan SVM One Against One dan One Against Rest dengan nilai akurasi yang lebih baik.
10 2016 Penerapan Algoritma Term Frequency- Inverse Document Frequency (Tf-Idf)
Musfiroh Nurjannah, Hamdani Hamdani, Indah Fitri Astuti
Prediksi TERM
FREQUENCY- INVERSE
untuk mendapatkan informasi pada kumpulan dokumen. Dengan format file txt berdasarkan kata kunci yang dimasukan oleh pengguna pada sistem.
Dengan koleksi uji kata
Untuk Text Mining
‘upaya’ pada query maka didapatkan keluaran dengan bobot nilai 8.65441 yang merupakan jumlah kata terbanyak sesuai dengan query.
