Analisa Sentimen Transisi Kendaraan Konvensional Ke Listrik Dengan Menerapkan Algoritma Text Mining dan Term Frequency Inverse Document Frequency (TF-IDF)
Abstract
Keywords
Full Text:
PDFReferences
N. Arifin, U. Enri, and N. Sulistiyowati, “Penerapan Algoritma Support Vector Machine (SVM) dengan TF-IDF N-Gram untuk Text Classification,†STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 6, no. 2, p. 129, 2021, doi: 10.30998/string.v6i2.10133.
R. A. Sasmita and A. Z. Falani, “Pemanfaatan Algoritma TF/IDF Pada Sistem Informasi Ecomplaint Handling,†J. Link, vol. 27, no. 1, pp. 27–33, 2018.
T. W. D. Sari, “Penerapan Text Mining Dengan Menggunakan Algoritma TF-IF Untuk Klasifikasi Genre Novel,†Pelita Inform. Inf. dan Inform., vol. 10, pp. 29–37, 2021.
A. Z. Z. Abidin and A. Sukmadinata, “Sistem Deteksi Kerusakan pada Sistem Operasi Menggunakan Metode TF - IDF dan Cosine Similarity,†J. Ilm. Inform., vol. 8, no. 2, pp. 6–11, 2020.
A. F. Riyadi, F. R. Rahman, M. A. Nofa Pratama, M. K. Khafidli, and H. Patria, “Pengukuran Sentimen Sosial Terhadap Teknologi Kendaraan Listrik: Bukti Empiris di Indonesia,†Expert J. Manaj. Sist. Inf. dan Teknol., vol. 11, no. 2, p. 141, 2021, doi: 10.36448/expert.v11i2.2171.
M. Metode, T. F. Idf, and D. Algoritma, “Text Mining Untuk Mengklasifikasi Judul Skripsi,†vol. 6, no. 2, pp. 78–83, 2018.
N. K. Widyasanti, I. K. G. Darma Putra, and N. K. Dwi Rusjayanthi, “Seleksi Fitur Bobot Kata dengan Metode TFIDF untuk Ringkasan Bahasa Indonesia,†J. Ilm. Merpati (Menara Penelit. Akad. Teknol. Informasi), vol. 6, no. 2, p. 119, 2018, doi: 10.24843/jim.2018.v06.i02.p06.
B. Herwijayanti, D. E. Ratnawati, and L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,†Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 1, pp. 306–312, 2018.
N. Hikmah, “Pemanfaatan Text Mining dalam Pencarian Ayat AlQuran menggunakan TF-IDF dan Cosine Similarity,†J. Antart., vol. 8, pp. 13–22, 2018.
L. Deng and Y. Liu, Deep Learning in Natural Language Processing. Springer Nature Singapore, 2018.
F. A. Nugraha, N. H. Harani, R. Habibi, and R. M. Awangga, Analisis Sentimen Terhadap Pembatasan Sosial Menggunakan Deep Learning. Kreatif.
E. P. Putri, “Implementasi Latent Dirichlet Allocation (Lda) Untuk Pemodelan Topik Faktor Perceraian,†p. 72, 2022.
I. Arnawa, “Analisis Sentimen pada Media Sosial Terhadap Perkuliahan Hybrid Menggunakan Algoritma TF IDF dan K Nearest Neighbor,†J. Sist. dan Inform., pp. 40–46, 2022.
F. N. Rozi and D. H. Sulistyawati, “Klasifikasi Berita Hoax Pilpres Menggunakan Metode Modified K-Nearest Neighbor Dan Pembobotan Menggunakan Tf-Idf,†Konvergensi, vol. 15, no. 1, 2019, doi: 10.30996/konv.v15i1.2828.
F. Rozi, F. Sukmana, and M. N. Adani, “Pengelompokkan Judul Buku dengan Menggunakan Algoritma K-Nearest Neighbor (K-NN) dan Term Frequency – Inverse Document Frequency (TF-IDF),†JIMP J. Inform. Merdeka Pasuruan, vol. 6, no. 3, pp. 1–5, 2021.
J. A. Septian, T. M. Fahrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF - IDF dan K - Nearest Neighbor,†pp. 43–49, 2019.
N. Silalahi and G. L. Ginting, “Analisa Sentimen Masyarakat Dalam Penggunaan Vaksin Sinovac Dengan Menerapkan Algoritma Term Frequence – Inverse Document Frequence ( TF-IDF ) dan Metode Deskripsi,†vol. 3, no. 3, pp. 206–217, 2022, doi: 10.47065/josh.v3i3.1441.
DOI: https://doi.org/10.30865/komik.v7i1.7918
Refbacks
- There are currently no refbacks.
Copyright (c) 2024 Andini Pralabaika

This work is licensed under a Creative Commons Attribution 4.0 International License.
KOMIK (Konferensi Nasional Teknologi Informasi dan Komputer)
P3M STMIK Budi Darma
Sekretariat Jln. Sisingamangaraja No. 338 Telp 061-7875998
email: komik@univ-bd.ac.id, komik.budidarma@gmail.com

This work is licensed under a Creative Commons Attribution 4.0 International License.