UDiNus Repository

TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER UNTUK ANALISA DATA PENGADUAN DAN POLA ISU DI SITUS LAPOR GUB

NUFAN, PRASETIYA RIZQI (2016) TEXT MINING DENGAN METODE NAIVE BAYES CLASSIFIER UNTUK ANALISA DATA PENGADUAN DAN POLA ISU DI SITUS LAPOR GUB. Skripsi,Fakultas Ilmu Komputer.

[img]
Preview
PDF
Download (3999b) | Preview

    Abstract

    Dengan perkembangan teknologi informasi, pemerintah provinsi Jawa Tengah semakin serius dalam melakukan peningkatan mutu diberbagai sektor pelayanan terhadap publik, salah satunya dengan mengembangkan e-Government berupa situs komunikasi secara dua arah dengan masyarakat dalam bentuk situs Lapor Gub..!. Laporan pengaduan yang disampaikan masyarakat dapat menjadi masukan penting bagi pemerintah provinsi Jawa Tengah dalam peningkatan pelayanan publik dan kemajuan diberbagai aspek pembangunan. Pengambilan tindakan secara tepat sesuai laporan pengaduan masyarakat oleh pemerintah sangat diperlukan guna pengambilan tindakan dan kebijakan yang sesuai dengan keluhan masyarakat. Dalam penelitian ini, peneliti menerapkan metode text mining dalam menganalisa data tekstual laporan. Klasifikasi laporan kedalam beberapa kelas dilakukan berdasarkan data tekstual laporan menggunakan algoritma Naive Bayes dan stemming Bahasa Indonesia dalam tahapan preprocessing. Akurasi hasil klasifikasi laporan menggunakan algoritma Naive Bayes tanpa tahapan stemming dibandingkan dengan akurasi hasil klasifikasi laporan menggunakan algoritma Naive Bayes dengan tahapan stemming. Hasil akurasi menunjukan bahwa proses klasifikasi yang paling optimal adalah klasifikasi dengan algoritma Naive Bayes tanpa menggunakan proses stemming pada tahap preprocessing dokumen.

    Item Type: Article
    Subjects: T Technology > Teknik Informatika
    Universitas Dian Nuswantoro > Fakultas Ilmu Komputer > Teknik Informatika
    Divisions: Fakultas Ilmu Komputer
    Depositing User: Psi Udinus
    Date Deposited: 04 May 2017 15:39
    Last Modified: 04 May 2017 15:39
    URI: http://eprints.dinus.ac.id/id/eprint/21919

    Actions (login required)

    View Item