Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRACT
Bahasa Inggris digunakan di dalam situs web dengan tujuan melibatkan informasi Kepada masyarakat dunia. Tidak semua orang mengerti dengan bahasa Inggris. Pentingnya 2 faktor yang mempengaruhi, yaitu persebaran penduduk yang bisa bahasa Inggris di dunia; kualitas SDM & Lingkungan yang mendukungnya di negara pengakses situs web pengguna (dapat dilihat dengan indikator GDP per Kapita). Penelitian dimulai dengan mencari konten yang mendukung Bahasa Inggris terhadap situs web lalu lintas ditiap negara. Selanjutnya negara di dunia terbagi menjadi Kelompok negara berdasarkan penyebaran Bahasa Inggris dan berdasarkan PDB per Kapita-nya. Pada kelompok negara berdasarkan penyebaran Bahasa Inggris Diharapkan hubungan yang besar terhadap penduduk yang bisa bahasa Inggris terhadap Diharapkan sebelumnya. Dan pada kelompok negara berdasarkan PDB per Capitanya PDB per kapita yang diinginkan dibandingkan yang diharapkan. Hasil penelitian yang terlihat di pengelompokan negara-negara Lingkaran Dalam dan sekitarnya. Hubungan penggunaan bahasa Inggris dalam konten situs web terhadap traffic berbanding lurus dengan persentase penduduk yang bisa bahasa inggris. Persentase penduduk yang bisa bahasa Inggris signifikan mempengaruhi pada negara-negara Memperluas Lingkaran. Selain itu hubungan penggunaan bahasa Inggris dalam konten situs web terhadap traffic juga berbanding lurus dengan tingkat PDB per Kapita. PDB per Kapita signifikan peran pada negara-negara Lower Middle Income.

---

.ABSTRACT
English is used on websites for the purpose of using information for the world community. Not everyone understands English. The importance of 2 influencing factors, namely the population that can speak English in the world; the quality of human resources and the environment that supports it in the country that accesses the user's website (can be seen with GDP per capita indicator). The research began by searching for content that supports English on traffic websites in each country. Furthermore, countries in the world are divided into groups of countries based on English distribution and based on GDP per capita. Within the group of countries based on the spread of English, it is expected that there is a large relationship with the English-speaking population. And in a group of countries based on GDP per Cotton, GDP per capita is desirable compared to what is expected. The results of the study are seen in the grouping of the Inner Circle countries and the surrounding area. The relationship between the use of English in website content and traffic is directly proportional to the percentage of the population that can speak English. The percentage of the population that can speak English significantly influences countries Expanding the Circle. In addition, the use of English in website content for traffic is also directly proportional to the level of GDP per capita. GDP per capita has an important role in low-income countries.

Abstrak :
Kebutuhan terhadap Internet sudah sangat dirasakan, namun, akibat kurangnya kontrol dalam mengawasi kegiatan berselancar di dunia maya ini, menjadikan konten yang dapat merusak moral tersebar dengan sangat cepat dan begitu leluasa untuk diakses oleh setiap orang. Penelitian ini membahas Analisa dan Rancang Bangun Sistem Deteksi Cepat Konten Web Negatif Berbasis Teks Menggunakan Random Sampling dan Latent Semantic Analysis dengan Algoritma Singular Value Decomposition yang bertujuan untuk mengklasifikasikan website-website berkonten negatif dengan langkah awal melakukan penelusuran terhadap link-link pada suatu website dengan teknik crawling oleh program web crawler untuk mengumpulkan konten website yang berupa teks. Seluruh konten teks yang telah dikumpulkan selanjutnya akan diklasifikasikan menggunakan metode Latent Semantic Analysis dengan menerapkan algoritma Singular Value Decomposition untuk menunjukkan hasil klasifikasi yang mampu membedakan antara website berkonten negatif dengan konten non-negatif. Pengujian dilakukan dengan menggunakan metode full sampling dan random sampling untuk menentukan cara pendeteksian website berkonten negatif yang lebih cepat. Hasil pengujian pada penelitian ini menunjukkan bahwa metode Latent Semantic Analysis dengan algoritma Singular Value Decomposition berhasil mengklasifikasikan website berkonten negatif dengan batas persentase hasil klasifikasi sebesar 70% sebagai indikatornya, dan metode random sampling dengan pengambilan sample hanya 30% dari total telah berhasil meningkatkan kecepatan eksekusi program rata-rata sebesar 507.01%, dengan penurunan akurasi rata-rata hanya sebesar 27.19% dibandingkan dengan metode full sampling untuk website berkonten negatif. ...... The need of the Internet has been keenly felt, however, due to a lack of control in monitoring the activities of surfing in this virtual world, making contents that will damage the morale spread very quickly and so freely accessible to everyone. This study discusses the Analysis and Design of Quick Detection System to Text-Based Negative Web Content Using Random Sampling and Latent Semantic Analysis with Singular Value Decomposition Algorithm which aims to classify negative content websites with the first step is to perform a search for links in a website using crawling technique by a web crawler program to gather website content in the text form. The entire text-based contents that have been collected will then be classified using Latent Semantic Analysis method by applying Singular Value Decomposition algorithm to show the result of classification that is able to distinguish the negative content and non-negative content website. The testing is performed using full sampling and random sampling method to determine which one is faster in doing the detection of negative content website. The results of this study showed that Latent Semantic Analysis method with Singular Value Decomposition algorithm successfully classifies the negative content websites with the percentage of classification result by 70% as the indicator, and the random sampling method with only 30% of total samples has been successful in increasing the speed of program execution by an average of 507.01%, with decreasing accuracy by an average of only 27.19% compared to full sampling method for negative content websites.