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.