Claim Missing Document
Check
Articles

Found 7 Documents
Search

PENGGUNAAN TEKNIK FEATURE WEIGHTING UNTUK PEMBERSIHAN NOISE PADA HALAMAN SITUS BERITA BERBAHASA INDONESIA Firdaus, Rahmat; Baizal, Abdurahman; A, Yanuar Firdaus
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 1, Januari 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (928.409 KB) | DOI: 10.12962/j24068535.v8i1.a71

Abstract

A web page usually consists of information in every page blocks displayed. In some cases, news content displayed in a news website are not entirely relevant or are unrelated to the main content such as navigation panel, copyright, user guide, links, news summary, various advertisement etc. Information blocks irrelevant to the main content is known as web pages noise. This research applies feature weighting technique to improve classification results by detecting a noise in pages of a website. Using feature weighting technique the web is first modelled with Document Object Model(DOM) tree and Compressed Structure Tree(CST) to obtain the general structure and compare the information blocks in awebsite.Information obtained is used to measure and evaluate the importance level of each node created by Compressed Structureed Tree(CST). Based on the tree created and the importance level of each node, this method assign weights on each individual word (feature) in each content block. The weights will be used in web mining process.
PERPADUAN COMBINED SAMPLING DAN ENSEMBLE OF SUPPORT VECTOR MACHINE (ENSVM) UNTUK MENANGANI KASUS CHURN PREDICTION PERUSAHAAN TELEKOMUNIKASI Marbun, Fernandy; Baizal, Abdurahman; Bijaksana, Moch Arif
JUTI: Jurnal Ilmiah Teknologi Informasi Vol 8, No 2, Juli 2010
Publisher : Department of Informatics, Institut Teknologi Sepuluh Nopember

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (11932.256 KB) | DOI: 10.12962/j24068535.v8i2.a316

Abstract

Churn prediction adalah suatu cara untuk memprediksi pelanggan yang berpotensial untuk churn. Data mining khususnya klasifikasi tampaknya dapat menjadi alternatif solusi dalam membuat model churn prediction yang akurat. Namun hasil klasifikasi menjadi tidak akurat disebabkan karena data churn bersifat imbalance. Kelas data menjadi tidak stabil karena data akan lebih condong ke bagian data yang memiliki komposisi data yang lebih besar. Salah satu cara untuk menangani permasalahan ini adalah dengan memodifikasi dataset yang digunakan atau yang lebih dikenal dengan metode resampling. Teknik resampling ini meliputi over-sampling, under-sampling, dan combined-sampling. Metode Ensemble of SVM (EnSVM) diharapkan dapat meminimalisir kesalahan klasifikasi kelas mayor dan minor yang dihasilkan oleh classifier SVM tunggal. Dalam penelitian ini akan dicoba untuk memadukan combined sampling dan EnSVM untuk churn predicition. Pengujian dilakukan dengan membandingkan hasil klasifikasi CombinedSampling-EnSVM dengan SMOTE-SVM (perpaduan oversamping-SVM) dan pure-SVM. Hasil pengujian menunjukkan bahwa metode CombinedSampling-EnSVM secara umum hanya mampu menghasilkan performansi Gini Index yang lebih baik daripada metode SMOTE-SVM dan tanpa resampling (pure-SVM).
Deteksi Fake Review Berbasis Feature pada User Online Feature Menggunakan Metode Naive Bayes Annisa Cahya Anggraeni; Z K Abdurrahman Baizal; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Berkembangnya e-commerce saat ini memicu calon pembeli lebih mempercayai review yang ditulis oleh pembeli sebelumnya. Review positif cenderung akan membuat calon pembeli akan membeli barang tersebut, dan hal sebaliknya jika review produk tersebut negatif. Namun banyak review yang berkembang saat ini tidak lagi ditulis oleh pembeli sebenarnya. Review yang ditulis bukan sebenarnya disebut fake review/untruthful review yang termasuk kategori spam dan penulisnya disebut spammer. Pada penelitian ini akan dilakukan deteksi fake review dengan pendekatan beberapa kelas feature menggunakan metode Naïve Bayes. Penelitian ini akan menggunakan NLP dan sumber lexicon SentiwordNet dan menggunakan kamus untuk membantu ekstraksi sentiment yang belum pernah dilakukan peneliti sebelumnya untuk menghasilkan sistem yang lebih baik. Selanjutnya penelitian ini akan menganalisis apakah penggunaan tagger, kamus, dan pemilihan feature akan mempengaruhi sistem dan kelas feature apa yang paling mempengaruhi sistem. Hasilnya adalah penggunaan tagger dan kamus akan mempengaruhi sistem. Hasil terbaik diperoleh akurasi sebesar 83.33%. Pemilihan feature juga akan mempengaruhi sistem. Dari hasil penelitian diperoleh akan semakin baik bila semua kelas feature digunakan ke dalam sistem. Dan kelas feature yang paling berpengaruh adalah kelas personal feature.  
Recommender System Dengan Metode Fuzzy Analytic Hierarchy Process Untuk Produk Kompleks Grace Yohana; Z KA Baizal; Erwin Budi Setiawan
Indonesia Symposium on Computing Indonesia Symposium on Computing 2015
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Dewasa ini perkembangan teknologi sudah semakin pesat dan kebutuhan akan sebuah produk semakin tinggi. Produk yang bermunculan juga semakin beraneka ragam, sehingga konsumen seringkali kesulitan dalam menentukan produk yang sesuai dengan kebutuhannya. Oleh karena itu dibutuhkan sebuah recommender system yang dapat membantu pengguna dalam menentukan pilihan. Recommender system merupakan suatu sistem yang mampu memberikan suatu rekomendasi kepada user terhadap item yang mungkin akan dipilih, berdasarkan informasi yang diperoleh dari pengguna. Dalam penelitian ini, metode yang digunakan untuk membuat recommender system adalah Fuzzy Analytic Hierarchy Process. Metode ini dapat memecahkan suatu masalah yang kompleks dan tidak terstruktur ke dalam beberapa susunan komponen yang hierarki, subjektif, relatif dan memiliki prioritas yang paling tinggi untuk mempengaruhi hasil dalam masalah tersebut. Setelah dilakukan analisis, didapatkan hasil akurasi sistem berdasarkan penilaian pakar sebesar 83.57% dan dengan ini menunjukkan bahwa hasil akurasi sistem sudah baik. Kemudian untuk hasil akurasi berdasarkan pengguna yang diuji dengan Mean Opinion Score, didapatkan hasil sebesar 1.4918 yang menunjukkan bahwa hasil rekomendasi yang diberikan oleh sistem sudah baik.  
Content Based Recommender System Berbasis Logika Fuzzy Dinamis Okky Brillian Hibrianto; Z K Abdurahman Baizal; Yuliant Sibaroni
Indonesia Symposium on Computing Indonesian Symposium on Computing 2014/Seminar Nasional Ilmu Komputasi Teknik Informatika (SNIKTI)
Publisher : Indonesia Symposium on Computing

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perkembangan teknologi menyebabkan makin maraknya jual beli online serta cepat bergantinya fitur-fitur dari suatu produk elektronik. Akan tetapi banyak calon pembeli bingung jika hanya melihat deretan spesifikasi pada suatu produk berspesifikasi teknis,karena itu dibutuhkan suatu variabel-variabel yang menampung keinginan user secara lebih general dan bersifat fungsional untuk merekomendasikan produk elektronik serta mengeluarkan hasil rekomendasi yang tepat sesuai perkembangan teknologi yang terjadi . Content Based Recommender system dengan logika fuzzy dinamis merupakan salahsatu pendekatan yang bisa dilakukan untuk merekomendasikan produk elektronik untuk  seorang user sesuai dengan preferensi fungsional tertentu berdasarkan konten spesifikasi asli dari produk yang dapat memproses nilai-nilai batasan dalam fitur yang berbeda menjadi satu nilai derajat kepuasan untuk memenuhinya yang sesuai perkembangan zaman. Hasil dari percobaan dengan kasus rekomendasi smartphonepada penelitian ini menunjukkan bahwa sistem dapat merekomendasikan produk smartphone sesuai dengan preferensi yang dimasukkan oleh user dengan nilai rata-rata precision sebesar 0,993 dan dengan nilai error perangkingan rata-rata sebesar 0,482.
Lodging Recommendations Using the SparkML Engine ALS and Surprise SVD Ramadhan, Sageri Fikri; Baizal, Z K Abdurahman; Rismala, Rita
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 4, No 4 (2020): Oktober 2020
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v%vi%i.2257

Abstract

Recommendation system is a process or tool used to provide predictions for users to choose something based on an existing domain. This system has become a primary need for today's modern digital industry such as in the entertainment, shopping, and service sectors. In this research, we focus on how to develop a recommendation system for accommodation services. We use the Alternating Least Square and Singular Value Decomposition methods to predict and recommend lodging to users
Conversational Recommender System for Impromptu Tourists to Recommend Tourist Routes Using Haversine Formula Liviandra, Monica; Baizal, Z K Abdurahman; Dharayani, Ramanti
JURNAL MEDIA INFORMATIKA BUDIDARMA Vol 5, No 4 (2021): Oktober 2021
Publisher : STMIK Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/mib.v5i4.3229

Abstract

In this paper, we use two terms to describe tourists, i.e. planned tourists and impromptu tourists. Planned tourists are tourists who intentionally travel. Meanwhile, impromptu tourists are those who accidentally become tourists because they are in a new area for an activity. Previously, tourists who were going to travel usually relied on the services of travel agents to get recommendations for tourist attractions, different from impromptu tourists this was not done before. Impromptu tourists sometimes do not have much time to carry out tourism activities so that impromptu tourists only visit the closest tourist attractions from their location. Lack of experience in a new area and only relying on information on the internet makes it difficult for tourists to find tourist attractions based on their preferences. One solution to this problem is that a system is needed that can recommend tourist attractions in terms of distance by considering tourist preferences. In this study, we developed a conversational recommender system (CRS) to obtain user preferences. For the method we use the Haversine Formula to calculate the distance. The results of this study are a web application that recommends tourist attractions and routes to several tourist attractions, which can be done at one time. Based on the evaluation of the time complexity in the route search, linear complexity is obtained which shows good performance with optimal conditions.