Article Per Year (5 Year)
p-Index From 2019 - 2024
0
P-Index
This Author published in this journals
All Journal eProceedings of Engineering
Mohamad Mubarok
Telkom University
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering

Published : 6 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 6 Documents
Search

 1 
Analisis Sentimen Pada Ulasan Buku Berbahasa Inggris Menggunakan Information Gain Dan Support Vector Machine Muhammad Nurjaman; Mohamad Mubarok; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Informasi yang terdapat di Internet sangat bermacam-macam, salah satunya adalah informasi mengenai buku. Jika informasi tersebut diolah dengan baik maka akan diperoleh kualitas buku dari informasi tersebut. Dengan membaca ulasannya, maka kita akan mengetahui kualitas dan juga menganalisis sentimen positif dan juga sentimen negatif dari buku tersebut. Namun, begitu banyaknya opini akan mempersulit pengguna lain untuk memperoleh kualitas dari informasi tersebut. Analisis sentimen merupakan penilaian seseorang tentang topik yang dibahas baik itu sentimen positif ataupun sentimen negatif. Untuk mempercepat dalam menganalisis banyaknya sentimen yang ada, digunakanlah metode klasifikasi yaitu Support Vector Machine . Kelebihan dari SVM ini yaitu untuk menentukan hyperplane yang dapat menghasilkan margin yang maksimal antara kelas yang satu dengan kelas yang lainnya. Tetapi SVM mempunyai kelemahan terhadap pilihan fitur atau parameter yang dapat mempengaruhi akurasi. Maka dari itu, pada penelitian ini mengunakan metode Information Gain agar dapat meningkatkan akurasi dengan mengurangi jumlah fitur yang akan dianalisis dan Support Vector Machine sebagai metode klasifikasi untuk menangani permasalahan ini dan hasil dari penelitian ini menghasilkan nilai rata-rata F1-score sebesar 82.35% Kata Kunci: Review Buku, Klasifikasi, Support Vector Machine (SVM), Information Gain
Klasifikasi Sentimen Pada Ulasan Buku Berbahasa Inggris Menggunakan Information Gain Dan Naïve Bayes Laila Putri; Mohamad Mubarok; Adiwijaya Adiwijaya
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Semakin berkembangnya teknologi informasi, mengakibatkan pertumbuhan data mengenai ulasan buku semakin besar dan pesat. Dengan membaca review atau ulasan berdasarkan pengalaman pembaca lain, maka kita akan mengetahui kualitas dari buku tersebut. Begitu banyaknya ulasan akan mempersulit pengguna lain untuk menyimpulkan hasil dari ulasan tersebut mengandung opini positif atau negatif. Oleh karena itu, peneliti memberikan solusi dengan menggunakan klasifikasi sentimen ulasan buku. Metode yang digunakan adalah Information Gain dan Naïve Bayes. Information Gain digunakan sebagai metode pemilihan fitur yang dapat membuat akurasi penelitian menjadi meningkat dengan mengurangi fitur-fitur yang kurang. Naïve Bayes digunakan untuk mengatasi masalah ketidakpastian yang terdapat pada pengklasifikasian teks, dan Naïve Bayes mengklasifikasikan ulasan, cenderung beropini positif atau negatif berdasarkan nilai probabilitasnya. Berdasarkan skenario pengujian yang telah dilakukan, performa klasifikasi sentimen pada ulasan buku berbahasa inggris menggunakan Information Gain dan Naive Bayes dari rata-rata F1-score menggunakan 5-fold-cross validation adalah 88,28%. Kata kunci: ulasan buku, analisis sentimen, naïve bayes, information gain
Klasifikasi Polycystic Ovary Syndrome Berdasarkan Citra Ultrasonografi Menggunakan Principal Component Analysis Dan NaÏve Bayes Untuk Membantu Mendeteksi Kesuburan Wanita Nanda Prayuga; Adiwijaya Adiwijaya; Mohamad Mubarok
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Polycystic Ovary Syndrome (PCOS) adalah kelainan sindrom yang diderita wanita di sistem reproduksinya, seseorang dikatakan menderita Polycystic Ovary Syndrome (PCOS) jika ada lebih dari 12 follicle berukuran 2-9 mm atau bertambah besarnya volume follicle di ovarium hingga lebih dari 10 cm3[3]. Saat ini untuk mendeteksi Polycystic Ovary Syndrome (PCOS) dokter harus melakukan scan USG, dan secara manual menghitung jumlah follicle yang ditandai dengan area hitam di gambar. Pada penelitian sebelumnya [1, 3, 5] hanya berfokus pada peningkatan kualitas citra dan juga pendeteksian ukuran dan jumlah follicle untuk mempermudah tenaga medis melihat follicle dan menentukan diagnosis pasien. Sehingga saat ini dokter membutuhkan suatu sistem yang dapat membantunya dalam mendiagnosis Polycystic Ovary Syndrome (PCOS) secara otomatis berdasarkan citra USG untuk pendeteksian kesuburan wanita. Pada tugas akhir ini dibangun sebuah sistem klasifikasi dengan menggunakan kombinasi metode Principal Component Analysis (PCA) yang berfungsi sebagai dimensi reduksi dan Naïve Bayes yang merupakan salah satu turunan dari Bayesian Network sebagai classifiernya. Dari hasil pengujian menggunakan metode k-fold cross validation dengan k=8 dan pengujian dilakukan sebanyak 50x pengujian, dapat dilihat sistem yang dibangun dengan menggunakan metode Principal Component Analysis (PCA) dan Naïve Bayes, memiliki performansi rata-rata F1 Score tertinggi sebesar 84.76%, dengan parameter uji jumlah distribusi data ditiap kelas pada data training masing-masing 40 gambar, dan jumlah principal component sebanyak 53 serta data telah dinormalisasi. Kata Kunci: Polycystic Ovary Syndrome, ovarium, citra USG, follicle, Naïve Bayes, Principal Component Analysis, Cross Validation, Imbalanced Data, Normalisasi.
Klasifikasi Sentimen Pada Level Aspek Terhadap Ulasan Produk Berbahasa Inggris Menggunakan Bayesian Network (case Study : Data Ulasan Produk Amazon) Andri Saputra; Adiwijaya Adiwijaya; Mohamad Mubarok
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Dari tahun ke tahun, transaksi online atau e-commerce semakin meningkat. Dengan peningkatan tersebut, e-commerce dapat memberikan peluang besar bagi produsen untuk memasarkan produk dan memudahkan orang-orang untuk berbagi aktivitas yang mereka lakukan, termasuk memberikan ulasan suatu produk. Ulasan tersebut digunakan oleh calon konsumen untuk mengetahui kelebihan atau kekurangan dari suatu produk dan dapat membantu calon konsumen dalam menentukan keputusan dalam pembelian produk. Dengan meningkatnya jumlah ulasan suatu produk, calon konsumen kesulitan untuk memahami semua ulasan suatu produk dan akhirnya tidak dapat menarik kesimpulan yang tepat dari ulasan tersebut. Oleh karena itu, pada tugas akhir dibangun sistem yang mampu melakukan klasifikasi sentimen terhadap fitur dan peringkasan hasil klasifikasi sentimen terhadap fitur. Klasifikasi sentimen dan peringkasan suatu ulasan produk dilakukan pada level aspek untuk mengetahui opini konsumen suka atau tidak terhadap fitur suatu produk. Klasifikasi aspek dan sentimen menggunakan pendekatan supervised learning, dimana learning menggunakan data yang berlabel. Bayesian Network merupakan salah satu metode yang digunakan pada probabilistic classifiers. Bayesian network digunakan untuk menentukan aspek yang terdapat pada ulasan beserta sentimen positif atau negatif dengan memanfaatkan hubungan antar kata-kata dan variabel pada ulasan. Penerapan Bayesian network untuk klasifikasi aspek menghasilkan performansi f1-score sebesar 88,73 % dan klasifikasi aspek dan sentimen menghasilkan performansi f1-score sebesar 86,0408%. Kata kunci: klasifikasi sentimen, level aspek, ulasan produk, Bayesian network.
Peringkasan Review Produk Berbasis Feature Dengan Menggunakan User Score Keri Nurhidayat; Warih Maharani; Mohamad Mubarok
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Ulasan sebuah produk dari konsumen dapat digunakan oleh perusahan untuk meningkatkan penjualan dan kualitas produknya sedangkan bagi konsumen dapat memberikan keputusan dalam pembelian. Dengan meningkatnya jumlah ulasan serta user score dari konsumen memunculkan masalah baru yaitu ketika ulasan yang diberikan oleh konsumen tidak sesuai dengan user score yang diberikan. Untuk itu dibangun sebuah sistem yang dapat melakukan peringkasan untuk memberikan nilai terhadap ulasan konsumen dengan bantuan user score dari konsumen. Tahapan pertama untuk membangun sistem ini adalah preprocessing dimana preprocessing terdiri dari 3 tahapan yaitu Stopword Removal, Lemmatization, dan POS Tagging. Tahap kedua adalah ekstrasi fitur dan opini dengan menggunakan Type Dependency Parser. Tahap ketiga adalah penentuan polaritas fitur dengan menggunakan Semantic Orientation – Pointwise Mutual Information. Tahap keempat adalah peringkasan dengan menggunakan feature scoring dan Pearson Correlation untuk mengetahui nilai dari setiap fitur yang terekstrak. Hasil proses ekstraksi dan penentuan polaritas adalah daftar fitur dan opini serta polaritas dari setiap fitur. Peringkasan dokumen dengan menggunakan feature scoring menghasilkan skor dari setiap fitur yang berhasil terekstrak pada setiap ulasan yang kemudian dilanjutkan dengan proses Pearson Correlation untuk meilhat trend antara skor dari dataset dengan skor yang dihasilkan oleh feature scoring dimana nilai korelasi tertinggi adalah pada dataset Nook Tablet 16Gb yaitu fitur ke-46 Seller dengan nilai korelasi 1.00 atau berkorelasi sangat kuat dan nilai korelasi terendah adalah pada dataset Nook Tablet 16Gb yaitu fitur ke-62 Unit dengan nilai korelasi -0.94 atau berkorelasi terbalik sangat kuat. Kata kunci: analisis sentimen, ulasan produk, feature based opinion summarization, type dependency parser, semantic orientation – pointwise mutual information, feature scoring, scoring product feature, pearson correlation.
Analisis Sentimen Level Kalimat Pada Ulasan Produk Menggunakan Bayesian Networks Desi Sitompul; Adiwijaya Adiwijaya; Mohamad Mubarok
eProceedings of Engineering Vol 4, No 3 (2017): Desember, 2017
Publisher : eProceedings of Engineering

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

Abstract

Teknologi informasi berkembang secara masif dan cepat memberikan dampak pada kehidupan manusia, pada sektor perekonomian minat masyarakat beralih dari proses jual beli konvensional ke arah yang lebih modren yaitu proses jual beli melalui media online. Perubahan tersebut tentunya tidak disia-siakan oleh produsen, terbukti dengan banyaknya muncul penyedia wadah jual beli online melalui website. Hal tersebut yang dalam sektor perokoniman disebut e-commerce. Konsumen dapat berkontribusi memberikan penilaian terhadap produk dengan cara menulisakan ulasan (review). Review produk dapat digunakan produsen untuk menilai kualitas produksi sedangkan calon konsumen dapat menggunakan review sebagai bahan keputusan pembelian suatu produk. Review yang diberikan konsumen seringkali tidak sesuai dengan kaidah-kaidah standar dan jumlahnya tidak sedikit. Calon konsumen sebagi pembaca seringkali kesulitan dalam memahami review dan tidak memiliki cukup waktu untuk menganalisis review dalam jumlah banyak. Oleh karena itu pada tugas akhir ini dibangun sistem yang mampu mengklasifikasikan sentimen dan peringkasan hasil klasifikasi sentimen. Klasifikasi ulasan produk yang dianalisis yaitu berdasarkan level kalimat. Penelitian ini dilakukan dengan menggunakan metode Bayesian Networks. Bayesian Networks adalah sebuah metode pemodelan data ke dalam model DAG (Directed Acrylic Graf), yaitu graf yang menggambarkan hubungan probabilisitik antar variabel yang saling berkaitan. Metode tersebut dipilih karena pada proses sentiment analysis, objek dan kata sifat pada kalimat saling berkaitan dan dapat mempengaruhi satu sama lain. Mutual information (MI) sebagi metode untuk menemukan term yang saling terkait dan Bag of words sebagia metode ekstraksi opini. Bayesian Network untuk klasifikasi sentimen pada kalimat menghasilkan performansi 85,6% dan klasifiki fitur aspek 88.46%. Kata kunci: Sentimen Analisis, Bayesian Networks, Text mining, level kalimat, peringkasan opini, supervised learning, mutual information
Co-Authors Adiwijaya Andri Saputra Desi Sitompul Keri Nurhidayat Laila Putri Muhammad Nurjaman Nanda Prayuga Warih Maharani