Hasil Pencarian  ::  Simpan CSV :: Kembali

"Female Daily Network perusahaan yang bergerak di bidang media sosial. Female Dailymemiliki media sosial untuk membagikan pengalaman menggunakan produk kecantikanbernama Female Daily. Female Daily memiliki peraturan untuk tidak menggunakanFemale Daily Platform untuk mempromosikan, menjual produk, dan layanan di platformmedia sosial di Female Daily. Namun, pengguna di Female Daily terkadang melanggarperaturan tersebut di post mereka dan menyebabkan pengguna lain terganggu akan haltersebut. Admin di Female Daily kesulitan untuk mengidentifikasi pengguna yangmelanggar aturan itu dan melarang post mereka yang berisi penjualan produk karenaketerbatasan jumlah admin dengan jumlah post yang masuk tiap hari. Text mining jugadapat mengatasi permasalahan ini dengan menentukan klasifikasi secara otomatis denganmembuat sistem yang melakukan proses pembelajaran dengan dari kata-kata post yangtersedia. Algoritme yang bisa digunakan untuk melakukan proses text mining padapenelitian ini seperti Support Vector Machine (SVM), Naïve Bayes (NB), Decision Tree(DT), dan Random Forest (RF). Penelitian ini menggunakan kombinasi cara ekstraksifitur, fitur kontekstual, dan melakukan balancing data. Penelitian ini menggunakanskenario penelitian untuk menganalisis ekstraksi fitur, penggunaan fitur kontekstual, danbalancing data. Algoritme terbaik dilihat dari nilai recall pada kombinasi algoritme danfitur penelitian ini adalah Random Forest TF-IDF Unigram dan menggunakan tambahanfitur kontekstual deteksi uang dan kata-kata menjual dengan data yang seimbang. Nilairecall 88.37% didapatkan dari hasil kombinasi algoritme dan fitur tersebut.

---

Female Daily Network is a company engaged in social media. Female Daily has social

media to share experiences using beauty products called Female Daily. Female Daily has

regulations not to use the Female Daily Platform to promote, sell products and services

on social media platforms in Female Daily. However, users on Female Daily sometimes

violate these rules in their posts and cause other users to be annoyed about it. Admins at

Female Daily have difficulty identifying users who violate these rules and ban their posts

containing product sales due to the limited number of admins with the number of posts

that enter each day. Text mining can also overcome this problem by determining the

classification automatically by creating a system that carries out the learning process

from the available post words. Algorithms that can be used to carry out the text mining

process in this research are Support Vector Machine (SVM), Naïve Bayes (NB), Decision

Tree (DT), and Random Forest (RF). This study uses a combination of feature extraction,

contextual features, and data balancing. This study uses research scenarios to analyze

feature extraction, contextual feature usage, and data balancing. The best algorithm seen

from the recall value in the combination of algorithms and features of this research is the

Random Forest TF-IDF Unigram and uses additional contextual features to detect money

and selling words with balanced data. The recall value of 88.37% is obtained from the

results of the combination of these algorithms and features."

"Seiring dengan perkembangan teknologi yang semakin pesat, semakin berkembang pula tingkat kebutuhan manuasia akan berita terkini, sehinga muncullah sebuah tren baru yaitu mempublikasi dan mengakses berita melalui media daring atau jurnalisme daring. Selain itu, jumlah masyarakat yang melakukan jual beli daring juga terus meningkat dan peluang ini dimanfaatkan oleh perusahaan dan pihak pengiklan dengan menerapkan strategi Targeted Web Advertising. Namun tingginya jumlah artikel yang telah di publikasi dan diakses membuka peluang yang besar untuk terjadinya kesalahan dalam penentuan tempat peletakan iklan. Oleh karena itu, dibutuhkan sistem yang dapat mengkategorisasikan artikel yang diakses pengguna sebagai basis penempatan iklan oleh perusahaan dan sistem pengklasifikasian ini dapat dilakukan dengan menerapkan metode Data Mining dan Text Mining. Penelitian ini menggunakan dokumen data berupa konten artikel yang akan dikategorikan ke dalam dua puluh kategori kelas iklan dengan menggunakan teknik Text Mining dengan algoritma Support Vector Machine. Hasil dari penelitian ini dapat digunakan oleh perusahaan atau pihak pengiklan sebagai basis penempatan iklan di situs media daring yang dipilih.

---

Rapid increase development in technological aspect resulting in growing level of human needs for the latest news, so that emerged a new trend of publishing and accessing news through online media or called online journalism. In addition, the number of people who sell and purchase through online sites also continues to increase and this opportunity is utilized by the company and the advertiser by implementing targeted web advertising. However, the high number of articles that have been published and accessed leads to great opportunities for errors in determining where to place the ads. Therefore, it needs a system that can categorize articles accessed by users as the basis of advertisement placement by the company and this classification system can be done by applying the method of Data Mining and Text Mining. This research uses document data in the form of article content that will be categorized into twenty categories of the class of advertisement by using Text Mining technique with Support Vector Machine algorithm. The results of this study may be used by companies or advertisers as a basis for placement of ads on selected online media sites."

"ABSTRACTPelayanan publik berperan penting untuk meningkatkan kesejahteraan masyarakat. Kepolisian Republik Indonesia merupakan lembaga pelayanan publik yang memiliki peranan penting di masyarakat. Namun, penilaian kinerja Polri yang berhubungan langsung dengan masyarakat masih rendah dan perlu ditingkatkan. Peningkatan kinerja layanan Polri dilakukan dengan memahami aduan dan masukan dari masyarakat. Aduan merupakan informasi penting untuk penyedia layanan untuk mengetahui arah perbaikan dan pengembangan layanan ke depannya. Perkembangan teknologi membuat sistem penyampaian pengaduan dapat disampaikan secara online sehingga lebih mudah. Kemudahan ini sejalan dengan banyaknya jumlah aduan yang disampaikan masyarakat kepada Polri. Aduan masyarakat merupakan data teks yang tidak terstruktur dengan penggunaan kosa kata yang bervariasi. Maka dari itu, pendekatan text miningpenting untuk dilakukan. Penelitian ini bertujuan untuk mengklasifikasi dan melakukan clustering dari aduan masyarakat kepada Polri untuk topik permasalahan yang sering disampaikan masyarakat. Untuk klasifikasi, algoritme yang digunakan adalah Support Vector Machine SVM dan Random Forest Classifier RFC karena kedua algoritme bekerja dengan baik untuk mengklasifikasi data teks dalam jumlah besar. Hasilnya algoritme RFC bekerja lebih baik pada kasus ini dengan akurasi 72 . Untuk clustering, algoritme yang digunakan adalah Self-Organizing Maps. Hasil penelitian menunjukkan aduan terbanyak masyarakat terdapat di Kelas Pelayanan Buruk dengan topik yang sering dibahas berkaitan dengan satuan kerja Korps Lalu-Lintas Polri.

---

ABSTRACTPublic services take a major role to improve the welfare of society. Indonesia National Police is one of public service institution which have an important role. Unfortunately, assessment of Police performance related to the public service quality is still low. Police needs to improvetheirservice quality. For improving the performance, by analyzing inputs and complaints from public. Complaint is an valuable information for service provider in order to know the service improvement and development in the future. Technology advances make the online complaint handling system easy to access. This is allign with the number of public complaints for Police. Public complaints is unstructured text data with varying vocabulary. Hence, this research is using text mining approach. This research aims to classify and cluster the public complaints to Indonesia National Police to get the specific topic of the complaint. Support Vector Machine and Random Forest Classification RFC algorithms are used for classification. RFC works better on this research with 72 accuracy. Self Organizing Maps algorithm is used for clustering. The result is the highest public complaints are in poor service quality class with topics related to National Police rsquo s Traffic Corps."

"This book contains a wide swath in topics across social networks & data mining. Each chapter contains a comprehensive survey including the key research content on the topic, and the future directions of research in the field. There is a special focus on text embedded with heterogeneous and multimedia data which makes the mining process much more challenging. A number of methods have been designed such as transfer learning and cross-lingual mining for such cases."

"The second edition of Understanding Search Engines: Mathematical Modeling and Text Retrieval follows the basic premise of the first edition by discussing many of the key design issues for building search engines and emphasizing the important role that applied mathematics can play in improving information retrieval. The authors discuss important data structures, algorithms, and software as well as user-centered issues such as interfaces, manual indexing, and document preparation. Readers will find that the second edition includes significant changes that bring the text up to date on current information retrieval methods. For example, the authors have added a completely new chapter on link-structure algorithms used in search engines such as Google, and the chapter on user interface has been rewritten to specifically focus on search engine usability. To reflect updates in the literature on information retrieval, the authors have added new recommendations for further reading and expanded the bibliography. In addition, the index has been updated and streamlined to make it more reader friendly."

"Penerapan Teknologi Informasi dan Komunikasi (TIK) untuk meningkatkan keunggulan kompetitif.tidak hanya dimanfaatkan oleh sektor industri, namun juga sektor pemerintahan. Pemerintah Indonesia sendiri di dalam kaitannya dengan pemanfaatan TIK, telah membangun suatu sistem yang memungkinkan masyarakat untuk melaporkan keluhan dan aspirasinya melalui sistem LAPOR!. Sistem LAPOR! ciptaan pemerintah ini ternyata ditanggapi dengan antusias oleh masyarakat, terbukti dengan banyaknya laporan yang masuk ke pemerintah. Guna membantu kinerja pemerintah, dilakukan penelitian untuk menganalisis data tekstual laporan masyarakat dengan text mining untuk kemudian dilakukan disposisi otomatis ke dalam dua kategori utama LAPOR! yaitu topik dan instansi terkait. Disposisi otomatis dilakukan menggunakan teknik problem transformation pada multilabel classification melalui algoritma klasifikasi support vector machine dan naïve bayes. Hasil penelitian menunjukkan bahwa disposisi otomatis dapat diterapkan ke dalam sistem LAPOR! dan dapat meningkatkan kinerja disposisi laporan. Algoritma yang menghasilkan performa terbaik di dalam penerapannya adalah algoritma support vector machine

---

The application of Information Technology and Communication (ICT) to escalate the competitive advantage is not only used in the industrial sector, but also in the government as well. The government of the Republic of Indonesia itsef, in the use of ICT, has built a system that enable its citizen to report their grievance and aspiration through LAPOR! system. This system turned out to be accepted with great enthusiasm by the public, as evidenced by the many reports to the government. In order to support the government’s performance, research is conducted to analyze the textual data using text mining, for later automatic disposition into two groups of LAPOR!'s category which is topik and instansi terkait. disposition is done using problem transformation technique in multilabel classification through support vector machine and naïve bayes classification algorithm. The result showed that automatic disposition can be applied into LAPOR! system and improves the report disposition’s performance. Algorithm that produces the best performance in the application is support vector machine. "