IMPLEMENTASI TEXT MINING UNTUK REALLY SIMPLE SYNDICATION AGGREGATOR DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER
TEXT MINING IMPLEMENTATION FOR REALLY SIMPLE SYNDICATION USING NAÏVE BAYES CLASSIFIER
Undergraduate Theses dari STIKOM Surabaya / 08-01-2010 17:43:23 WIB
Posting oleh
deasy • Ditampilkan sebanyak
68334 kali
Share this information :
Author : YURINI ASIFA SARI WULANDARI (03410100105)
| Subject | : | DATA MINING |
| Keyword | : | really simple syndication (rss)
text mining
native bayes classifier
mobile technology
internet |
Abstract in
Bahasa IndonesiaInformasi yang diperoleh dari internet semakin hari, jumlahnya semakin meningkat, baik jenis maupun quantity–nya. Bagi sebagian orang yang tidak mempunyai banyak waktu untuk menjelajah website satu ke website lainnya, mereka mulai memanfaatkan teknologi Really Simple Syndication (RSS). Karena begitu banyaknya informasi yang disuguhkan, RSS Reader atau Aggrerator dapat menimbulkan masalah tersendiri bagi penggunanya. Menemukan informasi yang relevan sesuai dengan yang diinginkan secara cepat dan tepat saat ini, menjadi masalah yang serius. Pencarian dengan search engine terhadap feed-feed yang dimiliki dengan menggunakan query biasa, menjadi tidak tepat, karena biasanya akan menimbulkan masalah baru. Tidak jarang suatu query dapat menghasilkan puluhan, bahkan ratusan link informasi. Dengan tingkat presisi yang rendah, kemungkinan besar link-link yang tidak relevan juga ikut ditampilkan.
Tugas akhir ini akan membangun suatu aplikasi filter pada sebuah RSS Reader atau Aggregrator, untuk memudahkan pengguna mendapatkan informasi atau feed yang sesuai dengan yang diinginkan. Pemfilteran dilakukan dengan memanfaatkan teknologi Text Mining dengan menggunakan algoritma Naïve Bayes Classifier.
Dari hasil implementasi, didapatkan hasil bahwa aplikasi ini secara validasi dinyatakan berhasil, dengan tingkat akurasi sebesar 93.33% yang dihasilkan melalui proses uji coba. Sehingga dapat dinyatakan bahwa Algoritma Naïve Bayes Classifier yang diterapkan pada aplikasi ini, mampu digunakan untuk menentukan klasifikasi informasi atau feed RSS Aggregator sesuai dengan kategori yang berasal dari pengguna. Aplikasi tugas akhir ini dapat dikembangkan lebih lanjut untuk pengklasifikasian feed RSS Aggregator dengan menggunakan salah satu metode sistem pakar, seperti Neural Network. Selain itu, aplikasi ini juga dapat bisa dikembangkan ke arah pemanfaatan mobile technology. Sehingga pengguna dapat menggunakan aplikasi ini pada peralatan mobile seperti Personal Data Assistant (PDA) ataupun Smart Phone.
Abstract
The quantity and the variety of information in internet growing so fast now. For someone who does not have time for doing surfing for one website to another website, they are starting to use Really Simple Syndication (RSS) technology. Because that overloaded information, RSS Reader or Aggregator can give them many problems as well. To find information that is really relevant correctly and quickly become a big problem. Searching using search engine with a normal query for those feeds from RSS is not an appropriate way, because sometimes it gives too many results with the less relevant point.
In this application, we will make a filter for RSS Reader or Aggregator, to make people to get the information that they really want easily. In this filter, we will use Text Mining technology with Naive Bayes Classifier algorithm for doing the classification.
For the implementation’s result, we found that this application is running well successfully from the validation test; with accuracy value is 93.33%. So we can said that Naive Bayes Classifier algorithm that we use in this application is a correct way for doing classification of information or RSS feeds according to user’s category. This application is amendable for doing classification of RSS feed using one of the Artificial Intelligent methods, like Neural Network. Beside those methods, this application also can be made for mobile RSS Aggregator, so user can access that information from RSS easily from their mobile device, like Personal Data Assistant (PDA) or Smart Phone.
| Contributor | : | SOETAM RIZKY W., S.KOM.
SULISTYOWATI, S.SI. |
| Date Create | : | 08-01-2010 |
| Type | : | Text |
| Format | : | pdf |
| Language | : | Indonesian |
| Identifier | : | STIKOM Surabaya-Undergraduate-4-21773 |
| Collection ID | : | 4-21773 |
| Call Number | : | PERPUSTAKAAN STIKOM 658.802 WUL I |
Coverage : Terbatas Sivitas Akademika STIKOM Surabaya
Rights : Hak Cipta (c) 2009 oleh STIKOM SURABAYA. Dilarang mengcopy atau mendistribusikan baik sebagian atau seluruh isi koleksi ini dalam bentuk apapun, baik secara elektronis maupun mekanis tanpa izin dari penulis.
Download koleksi - Terbatas untuk Member1. STIKOM Surabaya-Undergraduate-777-Cover.pdf - 178 KB
2. STIKOM Surabaya-Undergraduate-777-Abstrak.pdf - 150 KB
3. STIKOM Surabaya-Undergraduate-777-Daftar Isi.pdf - 217 KB
4. STIKOM Surabaya-Undergraduate-777-Bab I.pdf - 473 KB
5. STIKOM Surabaya-Undergraduate-777-Bab II.pdf - 1479 KB
6. STIKOM Surabaya-Undergraduate-777-Bab III.pdf - 2176 KB
7. STIKOM Surabaya-Undergraduate-777-Bab IV.pdf - 2249 KB
8. STIKOM Surabaya-Undergraduate-777-Bab V.pdf - 122 KB
9. STIKOM Surabaya-Undergraduate-777-Daftar Pustaka.pdf - 149 KB
10. STIKOM Surabaya-Undergraduate-777-Makalah.pdf - 924 KB
.: Kembali ke daftar Undergraduate Theses
