Penyakit hepatitis merupakan kelainan berupa peradangan organ hati yang dapat disebabkan oleh infeksi virus, dan gangguan metabolism. Gejala yang muncul pada hepatitis seperti demam, dan feses berwarna pucat. Permasalahan yang dihadapi dalam penanganan kasus penyakit hepatits adalah keterlambatan dalam pendeteksian gejala penyakit. Metode klasifikasi akan mengklasifikasikan class live dan die. Metode klasifikasi yang digunakan antara lain metode K-Nears Neightbors, Naïve Bayes, Gradient Boosting, Adaptive Boosting, Bagging, SVM, dan Decision Tree. Sebelum klasifikasi, perlu dilakukan preprocessing data, feature selection, hold-out method, cross validation, dan hyperparameter tuning. Sehingga diketahui metode klasifikasi yang terbaik untuk menyelesaikan data Hepatitis adalah dengan menggunakan Gradient Boosting.
Probabilitas : Distribusi Frekuensi dan Ukuran Pemusatan. Ukuran Penyebaran. Teori Probabilitas. Distribusi Binomial. Distribusi Hipergeometrik. Distribusi Poisson. Distribusi Normal.
Penyakit hepatitis merupakan kelainan berupa peradangan organ hati yang dapat disebabkan oleh infeksi virus, dan gangguan metabolism. Gejala yang muncul pada hepatitis seperti demam, dan feses berwarna pucat. Permasalahan yang dihadapi dalam penanganan kasus penyakit hepatits adalah keterlambatan dalam pendeteksian gejala penyakit. Metode klasifikasi akan mengklasifikasikan class live dan die. Metode klasifikasi yang digunakan antara lain metode K-Nears Neightbors, Naïve Bayes, Gradient Boosting, Adaptive Boosting, Bagging, SVM, dan Decision Tree. Sebelum klasifikasi, perlu dilakukan preprocessing data, feature selection, hold-out method, cross validation, dan hyperparameter tuning. Sehingga diketahui metode klasifikasi yang terbaik untuk menyelesaikan data Hepatitis adalah dengan menggunakan Gradient Boosting.
Probabilitas : Distribusi Frekuensi dan Ukuran Pemusatan. Ukuran Penyebaran. Teori Probabilitas. Distribusi Binomial. Distribusi Hipergeometrik. Distribusi Poisson. Distribusi Normal.
Arah Kebijakan P2P dan Kebijakan Covid 19Muh Saleh
Arah Kebijakan P2P dan Kebijakan Covid 19 yang disampaikan pada Rapat Kerja Kesehatan Daerah Provinsi Sulawesi Barat yang dilaksanakan di Mamuju pada Tahun 2020
Teori Profetik Kuntowijoyo (Dosen Pengampu: Khoirin Nisai Shalihati)LabibAqilFawaizElB
Istilah profetik mempunyai makna kenabian, profetik menurut Kuntowijoyo adalah suatu tujuan yang ingin di capai untuk menjadi manusia kebebasan dan dekat dengan robnya. Terdapat 3 poin utama dari pembahasan teori profetik menurut Kuntowijoyo, terdiri dari nilai humanisasi, liberasi dan transendensi.
Arah Kebijakan P2P dan Kebijakan Covid 19Muh Saleh
Arah Kebijakan P2P dan Kebijakan Covid 19 yang disampaikan pada Rapat Kerja Kesehatan Daerah Provinsi Sulawesi Barat yang dilaksanakan di Mamuju pada Tahun 2020
Teori Profetik Kuntowijoyo (Dosen Pengampu: Khoirin Nisai Shalihati)LabibAqilFawaizElB
Istilah profetik mempunyai makna kenabian, profetik menurut Kuntowijoyo adalah suatu tujuan yang ingin di capai untuk menjadi manusia kebebasan dan dekat dengan robnya. Terdapat 3 poin utama dari pembahasan teori profetik menurut Kuntowijoyo, terdiri dari nilai humanisasi, liberasi dan transendensi.
Konflik menurut Robbins, adalah suatu proses yang dimulai apabila satu pihak merasakan bahwa pihak lain telah mempengaruhi secara negatif atau akan segera mempengaruhi secara negatif pihak lain
perumusan visi, misi dan tujuan sekolah.pptAryLisawaty
perumusan dalam membuat visi, misi dan tujuan di sekolah dasar, sekolah menengah pertama dan sekolah menengah atas. Visi lembaga pendidikan adalah citra nilai dan kepercayaan ideal.
Visi adalah “apa?”, yaitu gambaran masa depan yang ingin kita capai.
Visi adalah gambaran masa depan organisasi yang realistis, kredibel, dan atraktif.Mengkaji makna visi yang lebih tinggi untuk digunakan sebagai acuan.
Menginventarisasi rumusan tugas yang tercantum dalam struktur dan tata kerja organisasi.
Rumusan tugas tersebut dirangkum dan dirumuskan kembali.
MODUL AJAR BAHASA INGGRIS KELAS 2 KURIKULUM MERDEKAAndiCoc
Tujuan Pembelajaran:
1. Peserta didik mampu menggunakan kata tanya "do you like...?" kepada teman-teman, orang tua, dan guru menggunakan bahasa tubuh yang baik dengan ramah dan tepat.
Pembelajaran unit ini, peserta didik akan mempelajari tentang kata tanya "do you like...?" kepada teman-teman, orang tua, dan guru menggunakan bahasa tubuh yang baik
Sebagai salah satu pertanggungjawab pembangunan manusia di Jawa Timur, dalam bentuk layanan pendidikan yang bermutu dan berkeadilan, Dinas Pendidikan Provinsi Jawa Timur terus berupaya untuk meningkatkan kualitas pendidikan masyarakat. Untuk mempercepat pencapaian sasaran pembangunan pendidikan, Dinas Pendidikan Provinsi Jawa Timur telah melakukan banyak terobosan yang dilaksanakan secara menyeluruh dan berkesinambungan. Salah satunya adalah Penerimaan Peserta Didik Baru (PPDB) jenjang Sekolah Menengah Atas, Sekolah Menengah Kejuruan, dan Sekolah Luar Biasa Provinsi Jawa Timur tahun ajaran 2024/2025 yang dilaksanakan secara objektif, transparan, akuntabel, dan tanpa diskriminasi.
Pelaksanaan PPDB Jawa Timur tahun 2024 berpedoman pada Peraturan Menteri Pendidikan dan Kebudayaan RI Nomor 1 Tahun 2021 tentang Penerimaan Peserta Didik Baru, Keputusan Sekretaris Jenderal Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi nomor 47/M/2023 tentang Pedoman Pelaksanaan Peraturan Menteri Pendidikan dan Kebudayaan Nomor 1 Tahun 2021 tentang Penerimaan Peserta Didik Baru pada Taman Kanak-Kanak, Sekolah Dasar, Sekolah Menengah Pertama, Sekolah Menengah Atas, dan Sekolah Menengah Kejuruan, dan Peraturan Gubernur Jawa Timur Nomor 15 Tahun 2022 tentang Pedoman Pelaksanaan Penerimaan Peserta Didik Baru pada Sekolah Menengah Atas, Sekolah Menengah Kejuruan dan Sekolah Luar Biasa. Secara umum PPDB dilaksanakan secara online dan beberapa satuan pendidikan secara offline. Hal ini bertujuan untuk mempermudah peserta didik, orang tua, masyarakat untuk mendaftar dan memantau hasil PPDB.
Analisis kritis jurnal ini diperoleh dari hasil membaca dan membandingkan jurnal yang berjudul "The Philosophy of Existensialism: Individual Awareness in Indonesian Education" dan "Peranan Filsafat dan Bahasa sebagai Media Komunikasi"
Modul P5 Berekayasa dan Berteknologi untuk Membangun NKRI.pptxSriayuAnisaToip
Modul ini kami buat dengan teknis ATM (Amati, Tiru dan Modifikasi) . Modul ini sudah diterapkan oleh sekolah kami pada pelaksanaan P5 di kelas 5 semester 1 Tahun Ajaran 2023/2024.
1. ANALISIS SENTIMEN PENANGANAN
COVID-19 DI PROVINSI JAWA BARAT
MENGGUNAKAN METODE NAÏVE BAYES
Ridwan Maulana
311610040
Program Studi
Teknik Informatika
Fakultas Teknik
Universitas Pelita Bangsa
2020
Dosen Pembimbing I : Candra Naya, S.Kom., M.Kom
Dosen Pembimbing II : Hamzah M. Mardi Putra, S.K.M., M.M
2. Latar Belakang
Penemuan penyakit Covid-19 pada desember 2019 yang mengejutkan
dunia.
3
BAGIAN
1
2
PENDAHULUAN
Respon masyarakat terkait penerapan kebijakan terkait penangana
n Covid-19 di Provinsi Jawa Barat.
Banyaknya jumlah data dan beragam sehingga sulit untuk mengetahui
kecenderungan sentimen masyarakat.
3. Rumusan
Masalah
Bagaimana kecenderungan sentimen masyarakat di media sosial twitter terkait
penanganan wabah Covid-19 yang dilakukan oleh Pemerintah Provinsi
Jawa Barat?
BAGIAN
1
3
PENDAHULUAN
Bagaimana tingkat akurasi metode naïve bayes pada analisis sentimen penangana
n wabah Covid-19 yang dilakukan oleh Pemerintah Provinsi Jawa Barat?
Tujuan Penelitian
Untuk mengetahui kecenderungan sentimen masyarakat di media sosial twitter
terkait penanganan wabah Covid-19 yang dilakukan oleh Pemerintah Provinsi
Jawa Barat.
Untuk mengetahui tingkat akurasi metode naïve bayes pada analisis sentimen
penanganan wabah Covid-19 yang dilakukan oleh Pemerintah Provinsi Jawa
Barat.
4. BAGIAN
2
4
TINJAUAN PUSTAK
A Brata Mas Pintoko, dkk 2018
Analisis Sentimen Jasa Transfortasi
Online Pada Twitter Menggunakan
Metode Naïve Bayes Classifier
Oke Dwiraswati, dkk 2019
Analisis Sentimen Pada Twitter
Terhadap Penggunaan Antibiotik di
Indonesia Dengan Naïve Bayes
Classifier
Sarika Afrizal, dkk 2019
Implementasi Metode Naïve Bayes
Untuk Analisis Sentimen Warga
Jakarta Terhadap Kehadiran Mass
Rapid Transit
Nanang Ruhyana, 2019
Analisis Sentimen Terhadap
Penerapan Sistem Plat Nomor
Ganjil/Genap Pada Twitter Dengan
Metode Klasifikasi Naïve Bayes
Muhammad Syarifuddin, 2020
Analisis Sentimen Opini Publik
Mengenai Covid-19 Pada Twitter
Menggunakan Metode Naïve Bayes
dan KNN
5. 5
LANDASAN TEOR
I
BAGIAN
2
TWITTER
ANALISIS SENTIMEN
TEXT MINING
NAÏVE BAYES
Platform media sosial populer yang banyak digunakan
untuk jaringan dan microblogging
Suatu proses menganalisis tentang pandangan
atau pendapat seseorang terhadap orang lain,
institusi atau permasalahan yang sedang terjadi
Salah satu metode klasifikasi data mining. Naive
bayes merupakan metode yang berdasarkan atas
probabilitas bayes untuk melakukan
pengelompokan data
Proses mengolah data yang berupa teks atau
kalimat yang berasal dari sumber data teks
tertentu yang bertujuan untuk mendapatkan
suatu informasi yang berguna
8. 62.60% 60.28% 60.60%
37.40% 39.72% 39.40%
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
Skenario Pertama Skenario Kedua Skenario Ketiga
Nilai Rata-Rata Klasifikasi Sentimen
Sentimen Positif Sentimen Negatif
8
HASIL KLASIFIKASI
SENTIMEN
BAGIAN
4
Penelitian ini selaras dengan penelitian Brata
Mas Pintoko dan Kemas Muslim L pada tahun
2018 yang menghasilkan kecenderungan
sentimen positif lebih besar dibandingkan denga
n sentimen negatif.
Penelitian ini juga senada dengan penelitian
Muhammad Syarifuddin pada tahun 2020. Pada
penelitiannya didapatkan sentimen masyarakat
cenderung bersentimen positif
61.16%
38.84% Positif
Negatif
9. 9
HASIL PENGUJIAN
AKURASI
BAGIAN
4
Pengujian Accuracy Precission Recall AUC
1 64.50% 61.15% 79.50% 0.672
2 69.50% 64.55% 86.50% 0.770
3 69.49% 65.23% 83.50% 0.763
4 68.25% 63.98% 83.50% 0.696
5 68.50% 64.92% 80.50% 0.528
Rata-Rata 68.05% 63.96% 82.70% 0.686
Akurasi Tertinggi
Pengujian ke 2 dengan akurasi
69.50%
Akurasi Terendah
Pengujian ke 1 dengan akurasi
64.50%
Rata-Rata Akurasi
Sebesar 68.05%
SKENARIO PERTAMA
Akurasi Tertinggi
Pengujian ke 3 dengan akura
si 74.50%
Akurasi Terendah
Pengujian ke 7 dengan akurasi
69.99%
Rata-Rata Akurasi
Sebesar 71.99%
Pengujian Accuracy Precission Recall AUC
1 70.17% 66.40% 81.67% 0.656
2 71.83% 67.56% 84.00% 0.743
3 74.50% 69.39% 87.67% 0.792
4 71.00% 66.76% 83.67% 0.741
5 73.50% 69.21% 84.67% 0.765
6 73.00% 67.97% 87.00% 0.728
7 69.99% 65.79% 83.33% 0.677
Rata-Rata 71.99% 67.58% 84.57% 0.728
SKENARIO KEDUA
SKENARIO KETIGA
Pengujian Accuracy Precission Recall AUC
1 74.44% 70.22% 84.89% 0.701
2 73.89% 68.76% 87.56% 0.744
3 72.56% 68.16% 84.67% 0.693
4 73.89% 69.44% 85.33% 0.706
5 76.00% 71.35% 86.89% 0.734
6 76.00% 71.12% 87.56% 0.749
7 73.78% 69.31% 85.33% 0.677
8 75.11% 70.62% 86.00% 0.689
9 72.78% 68.47% 84.44% 0.646
10 74.00% 69.85% 84.44% 0.679
Rata-Rata 74.24% 69.73% 85.71% 0.701
Akurasi Tertinggi
Pengujian ke 5 dan 6 dengan akuras
i 76.00%
Akurasi Terendah
Pengujian ke 3 dengan akurasi
72.56%
Rata-Rata Akurasi
Sebesar 74.24%
10. 10
HASIL PENGUJIA
N AKURASI
BAGIAN
4
Skenario Pertama Skenario Kedua Skenario Ketiga
71.99%
68.05%
74.24%
Penelitian ini sejalan dengan penelitian Muhammad
Syarifuddin pada tahun 2020. Pada penelitiannya
didapatkan nilai akurasi dari metode naive bayes
cukup baik dibandingkan dengan metode KNN
Penelitian ini juga telah membuktikan hipotesis dari
penelitian Oke Dwiraswati dan Kemal Nazaruddin
Siregar pada tahun 2019 yang menyatakan bahwa
penggunaan jumlah dataset yang lebih besar dapat
berpengaruh terhadap peningkatan nilai akurasi
dari metode naive bayes
Perbedaannya, penelitian tersebut menggunakan
preprocessing yang meliputi tokenize, filter stopword
s dan transform cases. Sedangkan penelitian ini pad
a tahap preprocessing meliputi proses transform ca
ses, tokenize, filter stopwords dan filter token by leng
th.
11. 1 Hasil klasifikasi sentimen diperoleh nilai rata-rata persentase untuk
sentimen positif sebesar 61.16% dan sentimen negatif sebesar 38.84
%. Dengan demikian dalam penanganan wabah Covid-19 oleh pemeri
ntah Provinsi Jawa Barat didapatkan sentimen dari masyarakat denga
n
kecenderungan positif.
2 Hasil pengujian performa akurasi dari metode naïve bayes diperoleh nil
ai rata-rata akurasi terbaik pada skenario pengujian ketiga dengan
nilai rata-rata akurasi sebesar 74.24%. Dengan demiki
an penggunaan jumlah dataset yang semakin besar berpengaruh t
erhadap peningkatan performa akurasi metode naïve bayes.
11
KESIMPULAN
BAGIAN
4
