This is my skripsweet !

Portal-Statistik. Oke teman-teman semuanya sudah terasa sangat lama sekali saya tidak menulis, berbagi, dan berdiskusi dengan teman-teman sekalian sejak artikel terahir saya coba bagikan pada bulan November 2015 lalu tentang Analisis Faktor dengan SPSS.
Sejak semester 7 kemarin banyak sekali kegiatan di dalam maupun di luar kampus yang harus diurus, belum lagi urusan Skripsweet alias si skripsi manis yang juga menghampiri.

Alhamdulillah sekarang semua urusan tersebut sudah selesai, mungkin dalam waktu-waktu dekat ini saya akan mulai berbagi disini lagi.

Mohon maaf lahir dan batin buat semuanya !

Ucapannya telat heheh. yang penting niatnya kawan :D

Ok. ini adalah postingan pertama saya sejak vakum ngeblog dari beberapa bulan yang lalu, yang isinya mungkin gak terlalu penting buat teman-teman, saya cuma berusaha berbagi apa yang bisa saya bagikan.

This is my skripsweet - Ini adalah skripsi manis saya ! Hahaha.

Sebelumnya saya ucapkan terimakasih yang sebesar-besarnya kepada semua orang yang pernah terlibat secara langsung maupun tidk langsung dalam proses pembuatan skripsweet ini. Terimakasih semuanya, orang tua penulis, bapak dosen pembimbing Dr. RB. Fajriya Hakim, dosen penguji bapak Agus Mansyur, ST., M.Eng., Sc. dan ibu Ayundyah Kesumawati, S.Si., M.Si. , teman-teman keluarga departemen LITBANG IKS UII, seluruh keluarga IKS UII, keluarga LEM HARMONIS FMIPA UII, teman-teman KKN Unit 288, teman-teman Kontrakan dan semuanya yang tidak bisa disebutkan satu per satu.

Oke, mungkin disini saya akan memberikan sedikit gambaran terkait skrisweet yang saya coba kerjakan beberapa waktu lalu, ada beberapa atau bahkan banyak orang yang mungkin interest dengan judul tersebut, mulai dari yang bilang itu skripsi sederhana judulnya doang yang keren, ada yang bilang ngeri, ada yang bilang bagus dan masih banyak lagi yang bilang ke saya terkait itu.
Instagram
Facebook
Banyak yang tertarik dengan judulnya haha.
Ok. gambaran umum apa yang saya kerjakan itu kayak gini.

PATTERN RECOGNITION PADA UNSTRUCTURED DATA TEKS
MENGGUNAKAN SUPPORT VECTOR MACHINE DAN ASSOCIATION
(Studi Kasus: Portal Layanan Aspirasi dan Pengaduan Online Rakyat)

Ya itu judulnya, jadi sesuai dengan judul diatas, saya mengambil data dari sosial media LAPOR!, ya data yang saya gunakan adalah data TEKS, jadi intinya kita mau mengenali pola laporan masyarakat yang dilaporkan ke sistem LAPOR!. Jadi dari hasil penglihatan saya secara sekilas ternya masih sangat banyak laporan masyarakat yang belum ditanggapi sama sekali. Sekitar 37% laporan masyarakat itu belum ditanggapi.

Ok pertama yang saya lakukan adalah visualisasikan datanya, mulai dari grafik, presentase, pemetaan daerah, dan sebagainya, setelah itu saya coba baca satu persatu laporan masyarakat tersebut, dan tenyata menurut saya masyarakat dalam melakukan laporan ke sistem LAPOR! itu cendrung ke 3 hal yaitu MENGELUH, BERASPIRASI, BERTANYA. Hal itu yang menjadi pokok bahasan dalam skripsweet ini.

Setelah itu saya akan mencoba melakukan klasifikasi terhadap data teks tersebut, saya tidak akan menjelaskan terlalu dalam, disini saya hanya coba menjelaskan seperlunya saja. oke lanjut sebelumnya saya mencoba beberapa algoritma klasifikasi seperti Na├»ve Bayes Classifier, Support Vector Machine, MAXENT, GLMNET dan sebgainya, namun karena tingkat akurasi dari Support Vector Machine paling tinggi maka dari itu algoritma SVM yang digunakan.

Ok, kemudian setelah semua laporan terbagi mana yang termasuk KELUHAN, ASPIRASI, dan PERTANYAAN, saya coba mencari dan menggali informasi apa yang ada didalam sekumpulan laporan tersebut, hasilnya saya sajikan dalam bentuk WORDCLOUD.
Ada sekitar 12 Wordcloud yang dihasilkan untuk melihat trend yang sering dilporkn masyarakat namun belum ditanggapi dengan maksimal yaitu 
KELUHAN secara keseluruhan
ASPIRASI secara keseluruhan
PERTANYAAN secara keseluruhan
KELUHAN 2013
KELUHAN 2014
KELUHAN 2015
ASPIRASI 2013
ASPIRASI 2014
ASPIRASI 2015
PERTANYAAN 2013
PERTANYAAN 2014
PERTANYAAN 2015

Setelah mendapatkan hal tersebut, selanjutnya dicari ASOSIASI antar kata disetiap kelasnya. contoh hasilnya nanti seperti ini; jika seseorang mengeluhkan tentang blsm, maka kita bisa mengetahui yang dikeluhkan itu terkait pembagian yang tidak merata, pemotongan blsm dan sebagainya. Hal ini bisa kita lihat dari kata yang berasosiasi dengan kat blsm, dan masih banyak lagi yang bisa kita lihat dari hasil ini.

Ya setidaknya hanya itu yang saya coba lakukan, jadi kesimpulan dari saya apa yang teman-teman bilang tentang skripsi ini terlalu mudah, terlalu sulit, ngeri, so simpel, judul doang bagus, ya saya terima semuanya. So Thanks atas semuanya, mungkin dilain hari saya bisa belajar yang lebih lagi.
Behind the scene biar gak usah dijelaskan, silahkan bisa teman-teman coba sendiri berjuang menganalisis data teks yang jumlahnya sangat banyak dengan laptop berspesifikasi standar, berjuang sendiri menghadapi error cannot allocate vector of size xxGB dan error yang lainnya, silahkan berjuang sendiri menangani manusia-manusia ALAY Indonesia dalam menulis, silahkan berjuang sendiri buat stopwords dan lain-lain. Hahaha.

Mungkin sebatas itu yang bisa saya lakukan jika bermain-main dengan data teks.

Thanks
Have FUN !
0 Komentar untuk "This is my skripsweet !"

Silahkan tinggalkan komentar, kritik, maupun saran dari sobat blogger tentang apa yang sobat rasakan setelah mengunjungi blog ini.

Back To Top