Hasil Pencarian  ::  Simpan CSV :: Kembali

"Ulasan hotel online di era modern ini memiliki peran besar mengingat hotel merupakan faktor penentu daya saing sebuah daerah wisata, namun pemanfaatannya masih jarang ditemukan. Berkaitan dengan rencana pemerintah untuk meningkatkan kunjungan wisatawan ke Indonesia, penelitian ini mengaplikasikan text mining terhadap ulasan hotel online untuk menemukan pengetahuan yang bermanfaat dalam membangun sektor perhotelan sebagai bagian integral dalam industri pariwisata. Teknik klasifikasi teks digunakan untuk mendapatkan informasi sentimen yang terkandung dalam kalimat ulasan melalui analisis sentimen, serta teknik klasterisasi pada text summarization untuk menemukan kalimat representatif yang mampu menggambarkan keseluruhan isi ulasan. Percobaan dengan ulasan hotel di Labuan Bajo, Lombok, dan Bali menghasilkan luaran yang memuaskan, di mana akurasi model penggolong klasifikasi sebesar 78 dan Davies-Bouldin Index DBI sebesar 0.071 untuk proses klasterisasi. Luaran penelitian ini diharapkan mampu menggambarkan kondisi hotel di daerah wisata unggulan Indonesia sehingga dapat berkontribusi dalam peningkatan kualitas sektor perhotelan sebagai penunjang industri pariwisata di Indonesia.

---

In this modern era, online hotel reviews have a big role considering the hotel is one the aspects in determining the competitiveness in the tourist area, but its implementation is still rare. Regarding the government 39 s plan to increase tourist arrivals to Indonesia, this research utilized text mining towards online hotel reviews to find useful knowledge in building the hospitality sector as an integral part of the tourism industry. Text classification technique was used to obtain sentiment information contained in review sentences through sentiment analysis, as well as clustering technique as a part of text summarization to find representative sentences that are able to describe the entire contents of the review. Experiments with hotel reviews in Labuan Bajo, Lombok and Bali generated surprising outcomes, where the accuracy of classification model reaches 78 and the Davies Bouldin Index DBI of clustering algorithm strikes 0.071. The output of this research is expected to be able to describe the condition of the hotel in tourist area based on the different level of tourism development so that it can contribute to improving the quality of the hotel industry as well as supporting the tourism industry in Indonesia."

"Kepuasan pelanggan merupakan salah satu faktor penting bagi keberhasilan suatu bisnis, termasuk pada industri jasa penerbangan yang mengalami peningkatan dari tahun ke tahun. Salah satu cara untuk mengukur tingkat kepuasan pelanggan adalah dengan cara penyampaian opini atau ulasan. Opini atau ulasan disampaikan melalui pesan singkat, kotak saran, media sosial maupun halaman web sehingga data yang tersedia berjumlah banyak. Pendekatan text mining tepat digunakan untuk mengekstrak informasi dari data ulasan yang berjumlah banyak secara otomatis. Penelitian ini mengevaluasi dan menganalisis ulasan pelanggan terhadap layanan dan fasilitas Bandara Soekarno-Hatta yang merupakan bandara terbesar di Indonesia. Penelitian ini mengombinasikan pendekatan text mining berupa analisis sentimen dan text summarization. Teknik klasifikasi digunakan untuk mengidentifikasi sentimen positif atau negatif yang terkandung dalam kalimat ulasan. Teknik klasifikasi yang digunakan adalah support vector machine yang cocok digunakan untuk data yang berjumlah besar dan na ve bayes classifier yang hanya membutuhkan jumlah data latihan yang kecil untuk menentukan estimasi parameter dalam proses pengklasifikasian. Text summarization dengan teknik k-medoids clustering digunakan untuk memperoleh kalimat representatif yang menggambarkan keseluruhan isi ulasan. Hasil dari teknik klasifikasi pada penelitian ini menunjukkan bahwa algoritme support vector machine menghasilkan nilai akurasi yang lebih tinggi dibandingkan algoritme na ve bayes classifier dalam menganalisis sentimen. Tahap text summarization dengan teknik k-medoids clustering menghasilkan nilai Davies-Bouldin Index yang mendekati nol. Luaran dari penelitian ini berupa identifikasi aspek layanan dan fasilitas bandara yang menjadi kekuatan dan kelemahan serta penentuan prioritas perbaikan dan peningkatan kualitas aspek layanan dan fasilitas yang masih menjadi kelemahan.

---

Customer satisfaction is an important factor for the business rsquo success, including airline service industry which is increasing from year to year. One way to measure customer satisfaction level is by customer opinions or reviews. Opinions or reviews are conveyed via short messages, suggestion boxes, social media and web pages so customer reviews provided are numerous. Text mining is a right approach to extract information from a large number of review data automatically. This study evaluates and analyzes customer reviews of services and facilities of Soekarno Hatta Airport as the largest airport in Indonesia. This study combines text mining approach of sentimental analysis and text summarization. The classification technique is used to identify the positive or negative sentiments contained in the review sentence. The classification technique used is a support vector machine suitable for large amounts of data and na ve bayes classifier which requires only a small amount of exercise data to determine parameter estimation in the classification process. Text summarization with k medoids clustering technique is used to obtain representative sentences that describe the entire contents of the review. The results of the classification technique in this study indicate that support vector machine algorithm has a higher accuracy value than na ve bayes classifier algorithm in analyzing sentiments. Text summarization stage with k medoids clustering technique yields a near zero Davies Bouldin Index value. The output of this research is identification of service aspect and airport facility which become the strength and weakness as well as the improvement prioritization of aspects that still become weakness."

"ABSTRAKPangan merupakan hak asasi manusia yang harus senantiasa terpenuhi oleh masyarakat dengan daya beli yang sesuai dan mempunyai kualitas pangan yang tinggi dan aman. Hal tersebut mendorong kedaulatan pangan suatu negara, yang secara mandiri memenuhi kebutuhan pangan masyarakatnya berdasarkan sistem pangan yang adil bagi seluruh masyarakat. Peraturan Pemerintah Republik Indonesia Nomor 17 Tahun 2015 yang mewajibkan adanya sistem informasi tentang pangan dan gizi dan teori evolusi e-government 3.0. Oleh karena itu salah satu solusi yang mendukung peraturan tersebut dan pendekatan e-government 3.0 adalah dengan pendekatan text mining. Penelitian ini mengolah data dari LAPOR! dan berita daring mengenai kedaulatan pangan untuk mengekstrak informasi dan menemukan pola-pola yang akan menghasilkan informasi tentang kedaulatan pangan di Indonesia sehingga dapat membantu pengambilan keputusan yang berdasar pada data melalui representasi visualisasi berbasis web. Jenis analisis informasi yang digunakan adalah Klasifikasi Dokumen untuk penyaringan dokumen, Named Entitiy Recognition yang digunakan untuk mengetahui entitas lokasi dan komoditas pangan dari data tekstual, dan Topic Modelling untuk menemukan topik dari sekumpulan teks dokumen berita dan aduan LAPOR!. Algoritma yang dipakai dalam penelitian ini adalah Conditional Random Fields dan Conditional Markov Model untuk implementasi Named Entity Recognition. Latent Dirichlet Allocation dan Non-Negative Matrix Factorization untuk implementasi Topic Modelling. Selain itu Naïve Bayes, Support Vector Machine, dan Logistic Regression digunakan untuk klasifikasi dokumen. Sedangkan pemilihan model ini menggunakan Conditional Random Field dengan nilai F1-score pada entitas lokasi sebesar 83.85 dan entitas komoditas pangan sebesar 90.98 yang digunakan pada data berita daring, pada data aduan LAPOR!, entitas lokasi menggunakan Conditional Markov Model dengan nilai F1-Score sebesar 60.35 dan entitas komoditas pangan sebesar 89.74. Pada klasfikasi dokumen, model Support Vector Machine dengan fitur unigram memiliki nilai presisi sebesar 92.00. Pada Topic Modelling, model Non-Negative Matrix Factorization memiliki nilai coherence yang lebih tinggi daripada Latent Direchlete Allocation pada tiga eksperimen dengan dataset yang berbeda. Di samping itu, dilakukan visualisasi tentang kedaulatan pangan berdasarkan pengolahan data tersebut di atas untuk memudahkan pengambilan kebijakan oleh pimpinan seperti Tim Ahli di Kantor Staf Presiden.

---

ABSTRACTFood is a human right that must always be fulfilled by the society with the appropriate purchasing power and high and safe food quality. This encourages food sovereignty of a country, which independently meets the food needs of its people based on a food system that is fair to the entire community. Peraturan Pemerintah Republik Indonesia Nomor 17 Tahun 2015 requires an information system on food and nutrition and the theory of e-government 3.0 evolution. Therefore, one solution that supports these regulations and the e-government 3.0 approach is the text mining approach. This research processes data from LAPOR! and online news on food sovereignty to extract information and find patterns that will produce information on food sovereignty in Indonesia so that it can assist decision-making based on data through web-based visualization representation. The type of information analysis used is Document Classification for document filtering, Named Entity Recognition which is used to find out location entities and food commodities from textual data, and Topic Modeling to find topics from a collection of text news documents and complaints LAPOR !. The algorithm used in this study is Conditional Random Fields and Conditional Markov Models for the implementation of Named Entity Recognition. Latent Dirichlet Allocation and Non-Negative Matrix Factorization for the implementation of Topic Modeling. In addition Naïve Bayes, Support Vector Machine, and Logistic Regression are used for document classification. Whereas the selection of this model uses Conditional Random Field with an F1-score value for location entities of 83.85 and a food commodity entity of 90.98 used in online news data. In the LAPOR! Complaint data, the location entity uses Conditional Markov Model with an F1-Score value of 60.35 and food commodity entities amounting to 89.74. In classifying documents, the Support Vector Machine model with unigram features has a precision value of 92.00. In Topic Modeling, the Non-Negative Matrix Factorization model has a higher coherence value than the Latent Direchlete Allocation in three experiments with different datasets. In addition, visualization of food sovereignty is based on the processing of the data above to facilitate policy making by leaders such as the Expert Team at the Kantor Staf Presiden.

"

"ABSTRAKPenelitian ini bertujuan untuk menganalisis unsur makro dan mikro dari sebuah teks yang berjudul IMAN (Vereinigung Acehnesischer Studenten in Deutschland) yang ada pada majalah NADI (Nachrichten für Alumni über Deutschland und Indonesien). Metode yang digunakan dalam penelitian ini adalah metode kualitatif dengan bentuk kajian pustaka. Teks ini akan dianalisis menggunakan teori dari Nord (2010) tentang sistematika analisis teks menggunakan skema W-Frage. Berdasarkan hasil penelitian, diketahui bahwa pada teks sumber ataupun teks sasaran terdapat semua unsur makro dan mikro. Di samping itu pada teks sasaran juga ditemukan kesalahan seperti kesalahan penulisan dan ketidaksesuaian kaidah bahasa sasaran.

---

ABSTRACTThis study aims to analyze micro and macro elements of a text with the title IMAN (Vereinigung Acehnesischer Studenten in Deutschland) in NADI (Nachrichten für Alumni über Deutschland und Indonesien) magazine. The method that used in this study is qualitative method with literature review. The text will be analyzed by using the theory of Nord (2010), about the systematics text analysis by using W-Frage scheme. Based on the result, it is known that both original text and the translation text have all the elements of micro and macro. Furthermore, several mistakes also found in writting and mismatch of translation."

"Kajian risiko bencana di Indonesia oleh BNPB menunjukkan jumlah jiwa terpapar risiko bencana tersebar di seluruh Indonesia dengan total potensi jiwa terpapar lebih dari 255 juta jiwa. Hasil kajian ini menunjukkan bahwa dampak bencana di Indonesia terbilang sangat tinggi. Sistem penanggulangan khususnya pada masa tanggap darurat menjadi hal yang krusial untuk dapat meminimalisir risiko. Namun, pemberian bantuan kepada korban bencana terkendala beberapa hal, antara lain keterlambatan dalam penyaluran, kurangnya informasi lokasi korban, dan distribusi bantuan yang tidak merata. Untuk memberikan informasi yang cepat dan tepat, BNPB telah membangun beberapa sistem informasi seperti DIBI, InAware, Geospasial, Petabencana.id dan InaRisk. Akan tetapi tidak secara realtime menampilkan wilayah terdampak bencana dengan memnunjukkan jenis kebutuhan bantuan apa yang dibutuhkan korban pada saat itu. Untuk memberikan solusi atas permasalah tersebut, penelitian ini membangun model yang mampu mengklasifikasikan data teks dari Twitter terkait bencana kedalam jenis bantuan yang diminta oleh korban bencana secara realtime. Selain itu visualisasi berupa dashboard dibangun dalam bentuk aplikasi berbasis peta untuk menampilkan lokasi korban yang terdampak. Penelitian ini mengunakan teknik text mining mengolah data Twitter dengan pendekatan metode klasifikasi multi label dan ekstraksi informasi lokasi menggunakan metode Stanford NER. Algoritme yang digunakan adalan Naive Bayes, Support Vector Machine, dan Logistic Regression dengan kombinasi metode tranformasi data multi label OneVsRest, Binary Relevance, Label Power-set, dan Classifier Chain. Representasi teks menggunakan N-Grams dengan pembobotan TF-IDF. Model terbaik untuk klasifikasi multi label pada penelitian ini adalah kombinasi Support Vector Machine dan Clasifier Chain dengan fitur UniGram+BiGram dengan nilai precision 82%, recall 70%, dan F1-score 75%. Stanford NER menghasilkan F1-score 83% untuk klasifikasi lokasi yang menjadi masukan untuk teknik geocoding. Hasil geocoding berupa informasi spasial ditampilkan dalam bentuk dashboard berbasis peta.

---

The study of disaster risk in Indonesia by BNPB shows the number of people exposed to disaster risk throughout Indonesia with a total potential life of 255 million people. The results of this study indicate that the impact of disasters in Indonesia is quite high. The response system, especially during the emergency response period, is crucial to be able to minimize risks. However, providing assistance to disaster victims is hampered by several things, including delays in providing assistance, lack of information on the location of victims, and uneven distribution of aid. To provide fast and accurate information, BNPB has built several information systems such as DIBI, InAware, Geospatial, Petabencana.id and InaRisk. However, it does not display the disaster area in real-time by showing what kind of assistance needs the victim needs at that time. To provide a solution to these problems, this study builds a model that is able to classify text data from Twitter related to the type of assistance requested by disaster victims in real-time. In addition, a dashboard is built in the form of a map-based application to display the location of the realized victim. This study uses text mining techniques to process Twitter data with a multi-label classification approach and location information extraction using the Stanford NER method. The algorithms used are Naive Bayes, Support Vector Machine, and Logistic Regression with a combination of OneVsRest, Binary Relevance, Power-set Label, and Classifier Chain. Text representation using N-Grams with TF-IDF weighting. The best model for multi-label classification in this study is a combination of Support Vector Machine and Classifier Chain with UniGram+BiGram features with 82% precision, 70% recall, and 75% F1-score. Stanford NER produces an F1-score of 83% for location classification which is the input for geocoding techniques. Geocoding results in the form of spatial information are displayed in a map-based dashboard."

"Investasi berbasis Crowdfunding merupakan Platform yang mengembangkan berbagai macam keunggulan yang mereka miliki untuk memikat masyarakat agar mau melakukan investasi digital, seperti menyediakan fitur berbagai aneka ragam instrumen investasi dan memberikan kemudahan seperti menawarkan biaya minimum untuk melakukan investasi sebagai modal awal. Penelitian ini bertujuan untuk mengetahui dan menganalisis ulasan pada aplikasi Crowdfunding Land X dan Santara dengan menggunakan metode Text Mining yang berbasis Sentiment Analysis Data yang digunakan dalam penelitian ini merupakan data sekunder yang didapat dengan cara mengambil data yang berupa text review pada aplikasi Crowdfunding Land X dan Santara. Data review yang berhasil diambil untuk aplikasi Santara sebesar 14.991 review, dan data pada aplikasi Land X, data yang berhasil berjumlah 2.241 review. Alat analisis yang digunakan dalam penelitian ini adalah software R dengan metode Text Mining berbasis Sentiment Analysis. Dengan menggunakan Text Mining berbasis Sentiment Analysis, dapat menjadi salah satu indicator analisis untuk melihat pandangan pengguna aplikasi terhadap aplikasi Land X dan Santara.

---

Crowdfunding-based investments are platforms that develop many various advantages to entice the public to make digital investments, such as providing features for a wide variety of investment instruments and giving conveniences such as offering minimum fees for investing as initial capital. This study aims to find out and analyze reviews on Crowdfunding Land X and Santara applications using the Sentiment Analysisbased Text Mining method. The data used in this study is secondary data obtained by taking data in the form of text reviews on the Land X and Santara Crowdfunding applications. The successful review data was taken for the Santara application amounted to 14,991 reviews, and the data on the Land X application, the successful data amounted to 2,241 reviews. . The analytical tool used in this study is R software with the Text Mining method based on Sentiment Analysis. By using Text Mining based on Sentiment Analysis, it can be an indicator of analysis to see the views of application users on Land X and Santara applications."

"ABSTRAK

Pariwisata Indonesia adalah salah satu penyumbang terbesar devisa negara. Pada 2015 devisa yang dihasilkan sektor pariwisata adalah sebesar $ 12,23 miliar dan diproyeksikan bahwa pada tahun 2020 akan memberikan kontribusi devisa negara sebesar $ 20 miliar. Kemajuan teknologi secara fundamental telah mengubah cara informasi diproduksi dan digunakan untuk banyak hal termasuk di sektor pariwisata. Dalam industri pariwisata, pengalaman pelanggan penting untuk pengembangan dan reputasi industri. Diperlukan pendekatan baru untuk mengukur tingkat kepuasan pelanggan dan persepsi wisatawan melalui analisis sentimen. Dalam penelitian ini permasalahan yang menjadi perhatian adalah bagaimana memanfaatkan analisis sentimen untuk menentukan persepsi wisatawan mengenai 3A (atraksi, amenitas, dan aksesibilitas) di destinasi wisata dan mengukur korelasi antara persepsi wisatawan dengan tingkat pertumbuhan wisatawan, menggunakan metode text mining NLP (Natural Language Processing) untuk mengembangkan strategi peningkatan kunjungan wisatawan dan pengembangan destinasi wisata. Hasil dari penelitian yang dilakukan didapatkan hasil terdapat korelasi negatif yang kuat antara sentimen negatif dengan tingkat pertumbuhan kunjungan wisatawan. Tingkat pertumbuhan wisatawan akan menurun ketika sentimen negatif dari wisatawan meningkat. Penurunan tingkat pertumbuhan wisatawan berdampak pada potensi hilangnya pendapatan negara. Analisis sentimen dapat memberikan gambaran persepsi wisatawan secara lengkap terkait aspek amenitas, aksesibilitas, dan atraksi di destinasi pariwisata.

---

ABSTRACT

---

Indonesian tourism is one of the biggest contributors to the countrys foreign exchange. In 2015 the foreign exchange generated by the tourism sector was $ 12:23 billion and it is projected that in 2020 will Contribute to the countrys foreign exchange of $ 20 billion. Technological advances have fundamentally changed the way information is produced and used for many things Including in the tourism sector. In the tourism industry, customer experience is important for the development and reputation of the industry. A new approach is needed to measure customer satisfaction and tourist perceptions through sentiment analysis. In this study the goal is how to use sentiment analysis to Determine the perceptions of tourists regarding 3A (attractions, amenities and accessibility) in tourist destinations and measure the correlation between perceptions with tourist tourist growth rates, using the NLP (Natural Language Processing) text mining method to develop strategies for increasing tourist visits and developing tourist destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. using the NLP (Natural Language Processing) text mining method to develop strategies for increasing tourist visits and developing tourist destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. using the NLP (Natural Language Processing) text mining method to develop strategies for increasing tourist visits and developing tourist destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations. The results of the research Showed that there was a strong negative correlation between negative sentiment and the level of tourist tourist growth. The level of tourist growth when the negative sentiment will Decrease from tourists increases. Tourist Declining growth rates have an impact on the potential loss of state income. Sentiment analysis can provide a complete description of tourist perceptions regarding aspects of amenities, accessibility, and Attractions in tourism destinations.

 

"

"Penerapan Teknologi Informasi dan Komunikasi (TIK) untuk meningkatkan keunggulan kompetitif.tidak hanya dimanfaatkan oleh sektor industri, namun juga sektor pemerintahan. Pemerintah Indonesia sendiri di dalam kaitannya dengan pemanfaatan TIK, telah membangun suatu sistem yang memungkinkan masyarakat untuk melaporkan keluhan dan aspirasinya melalui sistem LAPOR!. Sistem LAPOR! ciptaan pemerintah ini ternyata ditanggapi dengan antusias oleh masyarakat, terbukti dengan banyaknya laporan yang masuk ke pemerintah. Guna membantu kinerja pemerintah, dilakukan penelitian untuk menganalisis data tekstual laporan masyarakat dengan text mining untuk kemudian dilakukan disposisi otomatis ke dalam dua kategori utama LAPOR! yaitu topik dan instansi terkait. Disposisi otomatis dilakukan menggunakan teknik problem transformation pada multilabel classification melalui algoritma klasifikasi support vector machine dan naïve bayes. Hasil penelitian menunjukkan bahwa disposisi otomatis dapat diterapkan ke dalam sistem LAPOR! dan dapat meningkatkan kinerja disposisi laporan. Algoritma yang menghasilkan performa terbaik di dalam penerapannya adalah algoritma support vector machine

---

The application of Information Technology and Communication (ICT) to escalate the competitive advantage is not only used in the industrial sector, but also in the government as well. The government of the Republic of Indonesia itsef, in the use of ICT, has built a system that enable its citizen to report their grievance and aspiration through LAPOR! system. This system turned out to be accepted with great enthusiasm by the public, as evidenced by the many reports to the government. In order to support the government’s performance, research is conducted to analyze the textual data using text mining, for later automatic disposition into two groups of LAPOR!'s category which is topik and instansi terkait. disposition is done using problem transformation technique in multilabel classification through support vector machine and naïve bayes classification algorithm. The result showed that automatic disposition can be applied into LAPOR! system and improves the report disposition’s performance. Algorithm that produces the best performance in the application is support vector machine. "

"ABSTRAK<>br>Dalam beberapa tahun terakhir, masalah pengukuran kredibilitas informasi di jaringan sosial mendapat perhatian yang cukup besar terutama di bawah situasi darurat. Hal itu merupakan konsekuensi dari membeludaknya informasi, terlebih ketika semua orang bebas berperan sebagai sumber informasi.Penelitian ini menyoroti buramnya dinding pembatas antara fakta dan hoax di Indonesia, sehingga hal itu menyebabkan banyaknya kasus penyebaran hoax di media. Jika dibiarkan hal tersebut dapat berdampak buruk bagi seorang pribadi ataupun organisasi yang diserang isu hoax. Survei yang dilakukan Intelligence Media Management IMM menyatakan terdapat peningkatan tajam di tahun 2016 dari 1572 menjadi 7311 pemberitaan media. Dan berdasarkan hasil survei yang dilakukan masyarakat telematika mastel Indonesia hampir dari seluruh responden 84,5 menyatakan terganggu dengan maraknya berita hoax yang dapat mengganggu kerukunan masyarakat dan menghambat pembangunan nasional.Menurut Menteri Komunikasi dan Informatika Rudiantara, langkah nyata yang bisa dilakukan adalah menyaring informasi menjadi lebih cepat dan tegas. Untuk itu diperlukan tindakan sehingga penyebaran hoax di media dapat diturunkan. Tujuan dilakukannya penelitian ini adalah untuk mengidentifikasi konten di media sosial merupakan suatu hoax atau tidak pada saat konten tersebut beredar. Metodologi yang digunakan di dalam penelitian ini dimulai dengan mengumpulkan tweets yang terindikasi hoax lalu dilakukan proses pengolahan data dengan membuat suatu model text mining yang dapat memprediksi suatu konten berpotensi hoax atau tidak.Hasil dari penelitian ini yaitu didapatkan sebuah model berbasis pembelajaran sendiri menggunakan algoritma LinearSVC dengan akurasi 91 yang dapat memprediksi apakah suatu tweet merupakan berpotensi hoax atau tidak sehingga membantu dalam menyaring suatu informasi yang diharapkan dapat mengurangi penyebaran hoax di Indonesia.

---

ABSTRACT<>br>In recent years, the problem of measuring the credibility of information on the social network received considerable attention, especially under emergency situations. This is the consequence of too many information, especially when everyone is free to act as a source of information.The study highlights the blurring of the dividing wall between fact and hoax in Indonesia, so it causes many cases of spread of hoaxes in the media. If left unchecked it can be bad for a person or organization that attacked the issue of hoaxes. Surveys conducted by Intelligence Media Management IMM said there is a sharp increase in 2016 from 1572 content into 7311 content spread in media. And based on the results of a survey conducted by telematics community Mastel Indonesia almost of all respondents 84.5 declared disturbed by the rise of the hoax news that could disturb social harmony and impede national development.According to the Minister of Communications and Information Rudiantara, concrete steps that can be done is to filter information faster and firmer. It required the action so that the spread of hoax in the media can be derived. The purpose of this research is to identify content in social media is a hoax or not when the content is spreading. The methodology used in this research begins with collecting tweets that indicated hoax and then performed data processing by creating a text mining model that can predict a potentially hoax content or not.The result of this research is a machine learning model using LinearSVC algorithm with 91 accuracy which can predict whether tweet potentially hoax or not, thus helping the filtering of information expected to reduce the spread of hoax in Indonesia."

"ABSTRAKDokumen ilmiah memuat ilmu pengetahuan yang dihasilkan dari penelitian. Dokumen-dokumen ini saling terhubung apabila terdapat hubungan antara penelitian yang satu dengan yang lain. Bidang ilmu pengetahuan merupakan bagian penting dalam menganalisis perkembangan ilmu pengetahuan. Domain kajian suatu bidang ilmu pengetahuan dapat dilihat dengan bantuan alat visualisasi. Salah satu bentuk visualisasi adalah pemetaan ilmu. Penelitian ini bertujuan untuk mendapatkan informasi tentang gambaran peta penelitian publikasi internasional Fakultas Teknik UI selama 6 tahun terakhir Januari 2010 ndash; Oktober 2016 yang terindeks Scopus. Pemetaan dilakukan dengan membangun jaringan hubungan antar artikel. Metode pendekatan analisis co-word dilakukan pada subjek penelitian kata kunci atau deskriptor . Data yang diolah diambil dari atribut author keyword dan index keyword publikasi internasional. Berdasarkan kemunculan co-occurence dari pasangan kata, analisis co-word menggambarkan tema penelitian dan menunjukkan hubungan antar tema dari konten berupa teks. Hasil dari penelitian ini adalah pemetaan dan klaster tema publikasi FT UI dan setiap departemen FT UI. Klaster tema publikasi FT UI didominasi oleh tema dari Departemen Teknik Elektro, Teknik Mesin, dan Teknik Metalurgi.

---

ABSTRACTScientific document contains knowledge generated from the research. These documents are connected if there is a link between each research. Science field is an important part in analyzing the development of science. Domain study of a field of science can be seen with the aid of visualization tools. One form of visualization is science mapping. The aim of this research is to achieve up to date information on the map of six years January 2010 ndash October 2016 international publication conducted by the researchers from Fakultas Teknik UI that are indexed by Scopus database. Science mapping is conducted by construct networks of links between articles. Method of co word analysis approach on subjects keywords or descriptor was implemented. Tabulation of data are extracted from the author keyword and index keyword of documents. Based on the co occurrence of pairs of words, co word analysis seeks to extract the themes of science and detect the linkages among these themes directly from the subject content of texts. The results of this study shows the theme map dan clusters in FT UI and each department of FT UI. Publication themes of FT UI are dominated by the theme from Department of Electrical Engineering, Mechanical Engineering, and Metallurgical Engineering."