KLASIFIKASI DOKUMEN DENGAN METODE NAIVE BAYES TERHADAP PUTUSAN KASASI PENGADILAN TENTANG MERK
Abstract
Aplikasi SIPP merupakan bagian dari Sistem Manajemen Informasi di Pengadilan, dimana masyarakat dapat mencari informasi yang diinginkan termasuk yang berhubungan tentang merk. Pada penelitian ini akan dilakukan klasifikasi terhadap putusan pengadilan tentang merk dengan menggunakan metode Naive Bayes dengan variabel klasifikasi putusan tolak atau kabul.
Dari hasil analisa yang dilakukan terhadap 50 data hasil putusan pengadilan tentang merk didapatkan model klasifikasi dengan tingkat akurasi sebesar 80%. Analisa text yang dilakukan terhadap putusan pengadilan terdapat 5 kata yang paling banyak muncul yaitu kasasi, pemohon, pengadilan, permohonan dan peninjauan.
References
[1] Afshoh, F., Pamungkas, E. W., Kom, S., & Kom, M. (2017) Analisa Sentimen Menggunakan Naïve Bayes Untuk Melihat Persepsi Masyarakat Terhadap Kenaikan Harga Jual Rokok Pada Media Sosial Twitter, Disertasi, Universitas Muhammadiyah, Surakarta.
[2] Alzola, C. & Harrell, F.E. (2006) An introduction to S and the Hmisc and design libraries.. Website: http://biostat.mc.vanderbilt.edu/RS, diakses 12 April 2018.
[3] Anjani, D. (2015) Analisis Kemiripan Dokumen Tugas Akhir Untuk Penilaian Originalitas, Disertasi, Doctoral, Universitas Widyatama, Bandung.
[4] Faradhillah, N. Y., Kusumawardani, R. P., & Hafidz, I. (2016) Eksperimen Sistem Klasifikasi Analisa Sentimen Twitter pada Akun Resmi Pemerintah Kota Surabaya Berbasis Pembelajaran Mesin. Seminar Nasional Sistem Informasi Indonesia, 1(3), pp.16-24.
[5] Hanggara, S., Akhriza, T. M., & Husni, M. (2017) Aplikasi Web Untuk Analisis Sentimen Pada Opini Produk Dengan Metode Naive Bayes Classifier, Prosiding Seminar Nasional Inovasi dan Aplikasi Teknologi di Industri, 3(1), pp.33-1.
[6] Hidayat, A. (2016) Algoritma Naives Bayes, Website: https://arfianhidayat.com/algoritma-naive-bayes, diakses 14 April 2018.
[7] Lorosae, T. A., Prakoso, B. D., Saifudin, S., & Kusrin, K. (2018) Analisis Sentimen Berdasarkan Opini Masyarakat pada Twitter Menggunakan Naive Bayes, Seminar Nasional Teknologi Informasi & Multimedia Online, 6(1), pp.1-10.
[8] Marjuki, A. (2017) Analisis Klastering Lirik Lagu Indonesia, Skripsi, Program Studi Sistem Informasi FTI Unisbank, Semarang.
[9] Maulana, A. (2016) Twitter Rahasiakan Jumlah Pengguna di Indonesia, Website: https://www.cnnindonesia.com/teknologi/20160322085045-185-118939/twitter-rahasiakan-jumlah-pengguna-di-indonesia, diakses 20 April 2018.
[10] Prasetyo, Eko. (2012) Data Mining Konsep dan Aplikasi Menggunakan Matlab, Andi Yogyakarta, Yogyakarta.
[11] Rozi, I. F., Pramono, S. H., & Dahlan, E. A. (2013). Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi, Jurnal Electrical Power, Electronics, Communications, Controls, and Informatics Seminar, 6(1), pp.37-43.
[12] H. Riduan Syahrani, S.H., Buku Materi Dasar Hukum Acara Perdata, PT. Citra Aditya Bakti Bandung, Cet. V, 2009
[2] Alzola, C. & Harrell, F.E. (2006) An introduction to S and the Hmisc and design libraries.. Website: http://biostat.mc.vanderbilt.edu/RS, diakses 12 April 2018.
[3] Anjani, D. (2015) Analisis Kemiripan Dokumen Tugas Akhir Untuk Penilaian Originalitas, Disertasi, Doctoral, Universitas Widyatama, Bandung.
[4] Faradhillah, N. Y., Kusumawardani, R. P., & Hafidz, I. (2016) Eksperimen Sistem Klasifikasi Analisa Sentimen Twitter pada Akun Resmi Pemerintah Kota Surabaya Berbasis Pembelajaran Mesin. Seminar Nasional Sistem Informasi Indonesia, 1(3), pp.16-24.
[5] Hanggara, S., Akhriza, T. M., & Husni, M. (2017) Aplikasi Web Untuk Analisis Sentimen Pada Opini Produk Dengan Metode Naive Bayes Classifier, Prosiding Seminar Nasional Inovasi dan Aplikasi Teknologi di Industri, 3(1), pp.33-1.
[6] Hidayat, A. (2016) Algoritma Naives Bayes, Website: https://arfianhidayat.com/algoritma-naive-bayes, diakses 14 April 2018.
[7] Lorosae, T. A., Prakoso, B. D., Saifudin, S., & Kusrin, K. (2018) Analisis Sentimen Berdasarkan Opini Masyarakat pada Twitter Menggunakan Naive Bayes, Seminar Nasional Teknologi Informasi & Multimedia Online, 6(1), pp.1-10.
[8] Marjuki, A. (2017) Analisis Klastering Lirik Lagu Indonesia, Skripsi, Program Studi Sistem Informasi FTI Unisbank, Semarang.
[9] Maulana, A. (2016) Twitter Rahasiakan Jumlah Pengguna di Indonesia, Website: https://www.cnnindonesia.com/teknologi/20160322085045-185-118939/twitter-rahasiakan-jumlah-pengguna-di-indonesia, diakses 20 April 2018.
[10] Prasetyo, Eko. (2012) Data Mining Konsep dan Aplikasi Menggunakan Matlab, Andi Yogyakarta, Yogyakarta.
[11] Rozi, I. F., Pramono, S. H., & Dahlan, E. A. (2013). Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi, Jurnal Electrical Power, Electronics, Communications, Controls, and Informatics Seminar, 6(1), pp.37-43.
[12] H. Riduan Syahrani, S.H., Buku Materi Dasar Hukum Acara Perdata, PT. Citra Aditya Bakti Bandung, Cet. V, 2009
Published
2020-08-23
How to Cite
Sulastri, S., & Zuliarso, E. (2020). KLASIFIKASI DOKUMEN DENGAN METODE NAIVE BAYES TERHADAP PUTUSAN KASASI PENGADILAN TENTANG MERK. Dinamika Informatika : Jurnal Ilmiah Teknologi Informasi, 12(1), 45-52. https://doi.org/10.35315/informatika.v12i1.8162
Issue
Section
Articles
