RIFQI MAULANA

202210715026

F3B1

List 10 Paper Jurnal

No Tahun Judul Paper Penulis Metode Algoritma Hasil

Terbit
1 202o Analisa performa Robi aziz Prediksi Multi-layer Penyakit struk dapat
algoritma zuama dicegah dengan
machine learning menjalankan factor gaya
pada prediksi hidup sehat, makan-
penyakit makanan bergizi dan
cerebrovascular beraktifitas fisik. Tujuan
accidents 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 Elly Indrayuni Prediksi Naive Bayes Naive Bayes memiliki
Mining Review kelebihan yaitu sederhana,
Produk Kosmetik cepat dan memiliki akurasi
Untuk Teks yang tinggi. N-gram
Bahasa Indonesia dianggap dapat
Menggunakan mengurangi selisih antara
Algoritma Naive klasifikasi kelas positif dan
Bayes 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 Nila Hardi, Yuris Prediksi Naive Bayes Naive Bayes Classifier
Physical Alkahfi, Popon Classifier (NBC). Data terkumpul
Handayani, Windu
Distancing pada dilakukan filter dari cuitan
Gata, Muhammad
Twitter Rifqi Firdaus tersebut dengan
Menggunakan menghapus data yang
Text Mining double maka setelah di
dengan Algoritma filter data yang terambil
Naive Bayes yaitu sebanyak 547 tweets.
Classifier 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 Windu Gata Prediksi K-Nearest keakuratan pemilihan
Mining Purnomo Neighbour prediksi angka YA 772
Menggunakan kurang pas dan angka 32
Algoritma K- sehingga presisinya
Nearest sebesar 96,02%.
Neighbour pada Sedangkan prediksi TIDAK
Data Content mempunyai hasil sejumlah
Berita SMS 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 Fitri, Eliza and Prediksi SUPPORT Jurnal Komputasi akan
Jurnal Komputasi Lumbanraja, VECTOR diklasifikasi menggunakan
Menggunakan Favorisen R and MACHINE teknik text mining untuk
Metode Text Ardiansyah, mengolah abstrak menjadi
Mining Dan Ardiansyah lebih terstruktur dan
Algoritma mengambil informasi di
Support Vector dalamnya. Kemudian,
Machine 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 Andi Taufik Prediksi Naïve Bayes, Hasil yang diperoleh dari
Algoritma Text Support Vector perbandingan keempat
Mining Untuk Machine, metode algoritma
Klasifikasi Review Decission Tree tersebut, tingkat akurasi
Hotel (C4.5) dan yang lebih baik pada
Metode Naïve klasifikasi review hotel
Bayes 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 Dedi Darwis, Prediksi Naive Bayes Sistem yang dikembangkan
Algoritma Naive Nery Siskawati, dengan menggunakan
Bayes Untuk Zaenal Abidin data internal yang diambil
Analisis Sentimen dari internet/twitter untuk
Review Data proses penentuan kalimat
Twitter Bmkg termasuk opini positif,
Nasional 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 Rizki Tri Wahyuni, Prediksi Cosine Metode pengembangan
Dhidik Prastiyanto, Similarity dan
Algoritma Cosine Eko Supraptono Pembobotan
sistem yang digunakan
Similarity dan TF-IDF dalam penelitian ini adalah
Pembobotan TF- model waterfall,
IDF pada Sistem sedangkan metode
Klasifikasi penelitian yang digunakan
Dokumen Skripsi 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 Debby Alita, Prediksi MULTICLASS didapatkan bahwa untuk
SVM
Algoritma Yusra penilaian kinerja metode
Multiclass Svm Fernando, Heni multiclass SVM dengan
Pada Opini Publik Sulistiani tingkat akurasi yang lebih
Berbahasa tinggi didapatkan dari
Indonesia Di kinerja metode SVM One
Twitter 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 Musfiroh Prediksi TERM untuk mendapatkan
FREQUENCY-
Algoritma Term Nurjannah, INVERSE
informasi pada kumpulan
Frequency- Hamdani dokumen. Dengan format
Inverse Hamdani, Indah file txt berdasarkan kata
Document Fitri Astuti kunci yang dimasukan oleh
Frequency (Tf-Idf) pengguna pada sistem.
Dengan koleksi uji kata
Untuk Text ‘upaya’ pada query maka
Mining didapatkan keluaran
dengan bobot nilai 8.65441
yang merupakan jumlah
kata terbanyak sesuai
dengan query.