scispace - formally typeset
Search or ask a question
Author

Made Sudarma

Bio: Made Sudarma is an academic researcher. The author has an hindex of 1, co-authored 1 publications receiving 2 citations.

Papers
More filters
Journal ArticleDOI
06 May 2019
TL;DR: Pemilihan Calon Gubernur and W.Wakil Guberra as mentioned in this paper, 2018 akan melalui beberapa tahapan pemilu mulai dari penentuan bakal, and akan dilaksanakan pada tanggal 27 Juni 2018 (KPU).
Abstract: Pemilihan Calon Gubernur dan Wakil Gubernur Bali 2018 akan melalui beberapa tahapan pemilu mulai dari penentuan bakal calon Gubernur dan Wakil Gubernur Bali hingga tahapan penghitungan suara. Dalam pemilihan Gubernur dan Wakil Gubernur Bali masyarakat dapat terlibat langsung dalam tahapan pemungutan suara yang akan dilaksanakan pada tanggal 27 Juni 2018 (KPU, 2018). Sehingga dapat memunculkan banyak komentar atau pendapat, tidak hanya komentar positif dan netral tapi juga komentar yang negatif. Penelitian ini diharapkan mampu untuk melakukan riset atas komentar masyarakat yang mengandung sentimen baik atau positif, sama sekali tidak mengandung senrimen atau netral dan mengandung sentimen buruk atau negatif. Dalam penelitian ini metode digunakan untuk preprocessingdata menggunakan tokenisasi N-gram. N-gram adalah token yang terdiri dari tiga kata setiap satu token. Pada tahap stemming menggunakan algoritma Nzief Adriani. Untuk proses klasifikasinya menggunakan metode Naïve Bayes Classifier (NBC).Pada pengujian data calon Gubernur akurasi tertinggi diperoleh dari klasifikasi data KBS-Ace pada data yang diambil dari Twitter dengan nilai akurasi 89%, presisi 91% dan recall 94% dan akurasi terendah pada saat proses kalsifikasi data KBS-Ace pada media sosial Facebook. Kata Kunci—Analisa Sentimen, Calon Gubernur Bali 2018, Naive Bayes Classifier

4 citations


Cited by
More filters
Journal ArticleDOI
15 Oct 2020
TL;DR: In this article, a metode ini dapat menganalisis pola yang terdapat pada komentar yang sudah di parsing untuk kemudian diklasifikasikan kedalam kategori sentimen positif, negatif, ataupun netral.
Abstract: Intisari—Merumuskan strategi pemasaran bagi bisnis rumah makan yang baru merintis ataupun sudah berjalan lama merupakan hal yang sangat penting untuk dilakukan. Menganalisis kelemahan maupun kelebihan pesaing bisnis termasuk salah satu strategi tersebut. Identifikasi kelemahan dan kelebihan dapat dilakukan dengan mengambil data dari komentar-komentar yang ada pada akun Instagram pesaing, dengan menggunakan Teknik Text Preprocessing. Text Preprocessing adalah algoritma pemrosesan teks, yang terdiri dari tahap Transform Cases, Filter Stopword, Filter Tokenize, dan Stemming. Instagram sendiri merupakan salah satu akun sosial media yang paling banyak digunakan sebagai salah satu media promosi di Indonesia. Metode lainnya yang dapat digunakan adalah Full Teks Search, metode ini dapat menganalisis pola yang terdapat pada komentar yang sudah di parsing untuk kemudian diklasifikasikan kedalam kategori sentimen positif, negatif, ataupun netral. Penelitian ini menyimpulkan bahwa sistem analisis sentimen ini dapat mengenali kelemahan (berdasarkan komentar negatif) dan kelebihan (berdasarkan komentar positif) secara otomatis dengan baik berdasarkan komentar pada akun Instagram milik pesaing bisnis rumah makan dengan hasil akurasi sebesar 85% dan nilai presisi sebesar 79%.

6 citations

23 Nov 2017
TL;DR: A system that can process the data review by applying of understanding, extracting and processing textual data automatically to get sentiment information contained in an opinion sentence and uses the Naive Bayes Classifier method for its classification.
Abstract: Zomato is a restaurant search site that provides information about the restaurants in indonesia. Zomato provides accurate and very detailed information, ranging from photos, food, menus, to reviews from diners. Review helps restaurant owners can see how consumers resond to their products. With the large number of reviews, required a system that can process the data review by applying ofunderstanding, extracting and processing textual data automatically to get sentiment information contained in an opinion sentence. In the sentiment analysis, one of the classification methods that can be used is the Naive BayesClassifier. This system uses the Naive Bayes Classifier method for its classification. The stage to be performed before the classification is preprocessing. Stages in preprocessing consist of case folding, tokenizing, stopword removal, and stemming using nazief adriani algorithm. Reviews that have passed the preprocessing stage will be classified into positive opinions or negative opinions and displayed into table form. The accuracy of the system in the analysis of sentiments on the review of fish streat in zomato application was 87,50%.

2 citations

Peer ReviewDOI

[...]

28 Apr 2022
Journal ArticleDOI
01 Jun 2023-Cetta
TL;DR: In this paper , the authors analyzed the use of Big Data in distance education during the COVID-19 pandemic in 3T regions, identify its benefits in personalized learning, monitoring the learning process, and predicting student needs, and provide recommendations for further research.
Abstract: The COVID-19 pandemic has prompted the adoption of distance education worldwide, including in 3T regions facing challenges of limited infrastructure and accessibility. The utilization of Big Data holds great potential in enhancing the quality and accessibility of education in these 3T regions. This study aims to analyze the utilization of Big Data in distance education during the pandemic in 3T regions, identify its benefits in personalized learning, monitoring the learning process, and predicting student needs, and provide recommendations for further research. The research approach employed data analysis from a survey involving 500 schools in 3T regions. Data was collected through questionnaires that encompassed the aspects of Big Data usage in distance education and its impact on educational quality in 3T regions. Data analysis reveals that the utilization of Big Data in distance education in 3T regions has significantly contributed to student data collection and analysis, monitoring the learning process, and predicting student needs. These findings are consistent with previous research that highlights the benefits of Big Data in personalized learning and educational performance management. The utilization of Big Data in distance education in 3T regions during the pandemic holds immense potential in improving the quality and accessibility of education. Adequate training and education should be provided to teachers and school staff regarding the utilization of Big Data.