Ulasan produk sangat memberi pengaruh terhadap produsen dan konsumen karena ulasan menjadi sumber informasi tentang kualitas suatu produk. Mengolah data dalam jumlah besar dan banyak untuk setiap produk pada sebuah toko di Shopee, menganalisis serta menyimpulkan informasi secara manual membutuhkan waktu lama dan tidak efektif. Sistem analisis sentimen dibutuhkan untuk mengekstrak informasi penting dan membuat sistem yang secara objektif dapat menentukan kualitas produk dan memproses data teks besar. Sistem analisis sentimen memiliki beberapa tahap yairu crawling, preprocesssing, pembobotan kata, dan klasifikasi sentimen. Penulis mengumpulkan data sebanyak 600 data review menggunakan API Shopee untuk menghasilkan sentimen positif dan negatif. Dataset dibagi menjadi data latih dan data uji dengan pembagian 400 data latih dan 200 data uji dari total dataset. Klasifikasi sentimen data latih dilakukan dengan menggunakan metode Lexicon Based. Pelabelan dilakukan secara otomatis dengan cara menghitung skor setiap term sentimen dengan Lexicon Based. Penelitian ini menggunakan klasifikasi dengan Algoritma Naïve Bayes menggunakan pengujian confusion matrix untuk mendapatkan hasil accuracy, presision dan recall. Hasil pengujian menunjukkan nilai accuracy sebesar 99,5%, precision sebesar 99,49%, recall sebesar 100%. Dengan demikian dapat disimpulkan metode klasifikasi algoritma Naïve Bayes cukup relevan meskipun akurasi nya belum 100%.
Steganography is the science and art of hiding secret messages in other messages so that the existence of those messages cannot be known. The letter sent does not attract attention with steganography, and the container media does not arouse suspicion. Steganography requires two properties, namely container media and secret messages. The LSB method (least significant bit)is the simplest and easiest steganography method to implement. An example of implementing this method is to use a digital image as a cover text. Each pixel in the image is 1 (one) to 3 (three) bytes in size. Pda bit arrangement in a byte ( 1 byte = 8 bits), there are the most significant bits ( MSB) and the least significant bits (LSB). For example, on 11010010 bytes, the first bit from the right is the MSB bit, and the last bit from the right is the LSB bit. The matching bit is replaced with the message bit is the LSB bit, because the modification only changes the byte value to one higher or one lower than the previous value
Kota Medan merupakan kota terbesar kedua dengan jumlah penduduk terbanyak dan menempati urutan ketiga di Indonesia sehingga menajdikan Kota Medan banyak memiliki fasilitas umum yang disediakan oleh pemerintah. Salah satu contoh fasilitas umum yang banyak digunakan masyarakat yakni transportasi Angkutan Umum. Angkutan umum berjenis angkutan kota (angkot) merupakan salah satu alat transpotasi yang paling digemari oleh masyarakat sehari-hari di Kota Medan khususnya. Namun ada beberapa kendala yang sering dialami oleh masyarakat ketika hendak menggunakan angkutan kota, sehingga masyarakat menjadi berkurang dalam memilih angkot sebagai sarana transportasinya. Tidak tahu rute dan tarif angkot menjadi salah satu faktor terkuat sebagai kendala keengganan masyarakat memilih angkot untuk alat transportasinya. Oleh karena itu, diperlukannya sistem sebagai penunjang yang dapat menentukan rute dan tarif perjalanan angkutan umum sehingga diharapkan dapat memudahkan masyarakat Kota Medan dalam memilih jurusan angkutan umum yang sesuai dengan tempat tujuannya dan tarif sesuai jarak trayek perjalanan yang dilakukan. Salah satu algroitma yang dapat digunakan untuk mencari rute terpendek adalah algoritma A*. Algoritma A* (A-Star) merupakan salah satu bai beberapa algoritma pencarian yang dapat menganalisa input, mengevaluasi sejumlah jalur yang mungkin dilewati olenh angkot dan menghasilkan solusi yang diinginkan. Pencarian rute dengan algoritma A* (A-Star) berdasarkan graph akan disimpan kedalam database, kemudian ditambahan fitur tarif angkutan berdasarkan jarak perjalanan.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.