eprintid: 8728
rev_number: 8
eprint_status: archive
userid: 11
dir: disk0/00/00/87/28
datestamp: 2024-08-06 03:43:19
lastmod: 2024-08-06 03:43:19
status_changed: 2024-08-06 03:43:19
type: monograph
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: , Danny Sebastian
creators_name: , Kristian Adi Nugraha
creators_id: 0526118803
creators_id: 0504108901
contributors_name: , Aldi Setiawan
title: PENGUJIAN PENGARUH NORMALISASI KATA TIDAK BAKU PADA ALGORITMA KLASIFIKASI
ispublished: unpub
subjects: QA75
full_text_status: restricted
monograph_type: project_report
keywords: text-mining, pre-processing, normalisasi
abstract: Media sosial atau social media merupakan sumber media komunikasi yang sangat
kaya namun mengandung banyak akta tidak baku dan emoticon. Saat ini banyak aplikasi
yang mencoba mengolah dokumen teks yang ada di media sosial. Kesulitan muncul
ketika dokumen teks mengandung kata-kata yang tidak baku seperti, mengandung
singkatan, slang, dan lain sebagainya. Dari metode normalisasi kata tidak baku yang ada
saat ini, masih belum ada metode yang memberikan hasil normalisasi yang sangat tepat.
Penelitian ini bertujuan untuk menguji seberapa besar pengaruh normalisasi kata tidak
baku dan membangun korpus data kata tidak baku dan bentuk bakunya.
date: 2021-10-13
publisher: Program Studi Informatika, Universitas Kristen Duta Wacana
place_of_pub: Yogyakarta
pages: 23
institution: Universitas Kristen Duta Wacana
department: Informatika
referencetext: gnihotri, D., Verma, K. & Tripathi, P., 2014. Pattern and cluster mining on text data. s.l., s.n.
Ahmad, S. & Varma, R., 2018. Information extraction from text messages using data mining
techniques. Malaya Journal of Matematik, pp. 26-29.
Hanafiah, N. et al., 2017. Text normalization algorithm on twitter in complaint category.
Procedia computer science, Volume 116, pp. 20-26.
Hidayatullah, A. F., 2015. Language tweet characteristics of Indonesian citizens. s.l., IEEE.
Hidayatullah, A. F. & Ma'arif, M. R., 2017. Pre-processing Tasks in Indonesian Twitter
Messages. Journal of Physics: Conference Series, 801(1).
Inzalkar, S. & Sharma, J., 2015. A survey on text mining-techniques and application.
International Journal of Research In Science & Engineering, Volume 24, pp. 1-14.
Kurbatow, A., 2015. The research of text preprocessing effect on text documents classification
efficiency. s.l., IEEE, pp. 653-655.
Maylawati, D. S. & Saptawati, G. P., 2016. Set of Frequent Word Item sets as Feature
Representation for Text with Indonesian Slang. s.l., s.n., pp. 1-6.
Muliady, W. & Widiputra, H., 2012. Generating Indonesian Slang Lexicons from Twitter.
International Conference on Uncertainty Reasoning and Knowledge Engineering, pp. 123-126.
Mutiara, A., Wibowo, E. P. & Santosa, P. I., 2021. Improving the accuracy of text classification
using stemming method, a case of non-formal Indonesian conversation. Journal of Big Data,
8(1), pp. 1-16.
funders: danny.sebastian@staff.ukdw.ac.id
citation:   Danny Sebastian and Kristian Adi Nugraha  (2021) PENGUJIAN PENGARUH NORMALISASI KATA TIDAK BAKU PADA ALGORITMA KLASIFIKASI.  Research Report (Lecturer). Program Studi Informatika, Universitas Kristen Duta Wacana, Yogyakarta.    (Unpublished)  
document_url: https://katalog.ukdw.ac.id/8728/1/164E428_PENDAHULUAN_KESIMPULAN_DAFTARPUSTAKA.pdf
document_url: https://katalog.ukdw.ac.id/8728/2/164E428_FULLTEXT.pdf