lasercsite.files.wordpress.com€¦ · Web viewproposal program kreativitas mahasiswa. judul...
Transcript of lasercsite.files.wordpress.com€¦ · Web viewproposal program kreativitas mahasiswa. judul...
PROPOSAL PROGRAM KREATIVITAS MAHASISWA
JUDUL PROGRAM
ANALISIS SENTIMEN MENGGUNAKAN METODE NAÏVE
BAYES CLASSIFIER UNTUK MENGIDENTIFIKASI
KEBUTUHAN KHUSUS PASCA BENCANA TSUNAMI KOTA
PALU SULAWESI TENGAH
BIDANG KEGIATAN:
PKM PENELITIAN
Diusulkan oleh:
Indira Luthfiana Mulyahati 16611122 2016Tyas Yuliana 16611114 2016Lidiniya Ferentica 17320074 2017
UNIVERSITAS ISLAM INDONESIAYOGYAKARTA
2018
i
PENGESAHAN PROPOSAL PKM-PENELITIAN
1. Judul Kegiatan : Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Untuk Mengidentifikasi Kebutuhan Khusus Pasca Bencana Tsunami Kota Palu Sulawesi Tengah
2. Bidang Kegiatan : PKM-P 3. Ketua Pelaksana Kegiatan
a. Nama Lengkap : Indira Luthfiana Mulyahatib. NIM : 16611122c. Jurusan :
Statistika
d. Universitas : Universitas Islam Indonesiae. Alamat Rumah dan No Tel./HP : Jl. Pandawa No.91, RT/RW 05/03,
Kecamatan Banjarbaru Selatan, Kota Banjarbaru, Provinsi Kalimantan Selatan. HP. 082351250405
f. Email : [email protected]. Anggota Pelaksana Kegiatan
/Penulis: 2 orang
5. Dosen Pendampinga. Nama Lengkap dan Gelar :b. NIDN :
6. Biaya Kegiatan Totala. Kemristekdikti : Rp6.629.000,00b. Sumber lain (Sebutkan...) : Rp -
7. Jangka waktu Pelaksanaan : 5 Bulan
Yogyakarta, 20 November 2018
Menyetujui,Ketua Program Studi
(Dr. Edy Widodo, S.Si., M.Si. ) NIP.
Ketua Pelaksana Kegiatan
( Indira Luthfiana Mulyahati ) NIM. 16611122
Wakil Rektor Bidang Kemahasiswaan
( Dr. Drs. Rohidin, S.H., M.Ag )
Dosen Pendamping
( Nama lengkap dan Gelar )
ii
NIP. 924100103 NIDN.
iii
DAFTAR ISI
HALAMAN SAMPUL.............................................................................................i
DAFTAR ISI..........................................................................................................iii
DAFTAR TABEL...................................................................................................iv
BAB 1. PENDAHULUAN......................................................................................1
1.1 Latar Belakang..............................................................................................1
1.2 Rumusan Masalah.........................................................................................2
1.3 Tujuan...........................................................................................................3
1.4 Luaran yang Dibiarkan..................................................................................3
BAB 2. TINJAUAN PUSTAKA.............................................................................4
BAB 3. METODE PENELITIAN...........................................................................6
BAB 4 BIAYA DAN JADWAL KEGIATAN........................................................7
4.1. Anggaran Biaya.............................................................................................7
4.2. Jadwal Kegiatan............................................................................................7
DAFTAR PUSTAKA..............................................................................................8
LAMPIRAN.............................................................................................................9
Lampiran 1 Biodata Ketua, Anggota dan Dosen Pendamping................................9
Lampiran 2 (Justifikasi Anggaran Kegiatan).........................................................17
Lampiran 3. (Susunan Organisasi Tim Kegiatan dan Pembagian Tugas).............19
Lampiran 4. Surat Pernyataan Ketua Kegiatan......................................................20
iv
DAFTAR TABEL
Tabel 4.1. Format Ringkasan Anggaran Biaya PKM-P..........................................7
Tabel 4.2. Jadwal Kegiatan Penelitian....................................................................7
v
1
BAB 1. PENDAHULUAN
1.1 Latar Belakang
Bencana merupakan suatu peristiwa atau serangkaian peristiwa yang
mengancam bahkan mengganggu kehidupan masyarakat. Efek dari bencana dapat
mengakibatkan kerusakan lingkungan, kerugian harta benda, dampak psikologis,
hingga hilangnya nyawa korban (Desmonda & Pamungkas, 2014). Bencana
merupakan kejadian yang tidak dapat diprediksi, namun dampaknya dapat
diringankan.
Sulawesi Tengah merupakan pusat pertemuan tiga lempeng konvergen, karena
interaksi tiga kerak bumi utama (lempeng) di masa Neogen (Simandjuntak,
1992). Dengan kondisi ini, menyebabkan daerah tersebut rawan akan bencana
gempa bumi tektonik. Gempa bermagnitudo, 7,4 di Donggala memicu getaran di
wilayah Palu, Mamuka, hingga Toraja yang mengakibatkan kerusakan hingga
tsunami setinggi 2 meter di kota Palu, Sulawesi Tengah Tengah. Menurut data
yang didapat dari liputan6 terdapat 2.045 korban meninggal dunia yang berhasil
ditemukan serta diidentifikasi, dan jumlah ini didapatkan dari beberapa lokasi
seperti Donggala, Palu, Sigi, dan Moutoung. Selain itu, terdapat 2.549 luka berat,
8.130 luka ringan, 671 korban hilang, 82.775 pengungsi. Informasi mengenai
bencana alam tersebut, data serta kondisi korban dapat dengan mudah diketahui
oleh masyarakat melalui sosial media.
Era globalisasi saat ini sangat memengaruhi pesatnya kemajuan teknologi
informasi. Teknologi membuat jarak tidak lagi menjadi masalah dalam
berkomunikasi, dan sekarang sosial media menjadi kebutuhan wajib bagi
sebagian kalangan masyarakat. Beberapa jenis sosial media yang ditawarkan
pada saat ini adalah Twitter, Facebook, Path, Instagram, Line, Google+,
Snapchat, MySpace dan masih banyak sosial media lainnya.
Komunikasi yang lebih terbuka dan tak terbatas merupakan keunggulan sosial
media. Pada sosial media masyarakat dapat secara bebas membagikan cerita
atau pendapat tentang apa yang mereka rasakan dalam kehidupannya (Mentari,
Fauzi, & muflikhah, 2018).
Twitter adalah situs microblogging yang sebenernya dikembangkan untuk
telefon seluler, dirancang agar pengguna memposting sesuatu yang singkat, teks
2
sebanyak 140 karakter (Marwick, Alice, & Danah, 2010). Berdasarkan
penelitian yang dilakukan oleh We Are Social yang bekerjasama dengan
Hootsuite, menyebutkan bahwa ada 130 juta dari 260 juta orang Indonesia yang
terbilang aktif di media sosial (medsos) (Haryanto, 2018). Berdasarkan
pemaparan Dwi Ardiansyah, Twitter's head of business development for South
East Asia and Australia, Indonesia menempati peringkat kelima pengguna Twitter
terbanyak. Dengan kemudahan penggunaan serta banyaknya pengakses Twitter,
dipilihlah aplikasi Twitter untuk dimanfaatkan sebagai bahan penelitian atas
penanganan kebutuhan khusus penanggulangan bencana tsunami Kota Palu,
Provinsi Sulawesi Tengah. Hal ini dapat dilakukan dengan menganalisis sentimen
yang dilakukan melalui opini-opini pengguna dalam media sosial Twitter.
Analisis sentimen adalah proses mengekstrak pendapat, perilaku dan emosi
dari sebuah dokumen teks untuk mendapatkan suatu informasi (Kristiyanti,
2015). Analisis sentimen dapat dilakukan dengan mengklasifikasi informasi yang
ada ke dalam kelas sentimen positif dan ke dalam kelas sentimen negatif
(Nugroho, 2018). Berdasarkan topik yang dibahas, informasi diklasifikasikan ke
dalam kelas sentiment positif apabila kebutuhan khusus pasca bencana sudah
terpenuhi. sebaliknya informasi diklasifikasikan ke dalam kelas sentimen negatif
apabila kebutuhan khusus pasca bencana belum teratasi.
Pada penelitian ini metode klasifikasi yang digunakan yaitu algoritma Naïve
Bayes. Peneliti memilih metode tersebut karena berdasarkan penelitian terdahulu
dikatakan bahwa Naïve Bayes memiliki beberapa manfaat seperti sederhana,
cepat, memiliki tingkat akurasi yang tinggi (Jurafsky & Martin, 2014).
Pemanfaatan opini dari media sosial merupakan hal yang penting untuk membuat
suatu keputusan dengan cepat. Oleh karena itu, tujuan penelitian ini adalah
menaganalisis sentimen mengenai informasi kebutuhan khusus pasca gampa bumi
di Kota Palu, Provinsi Sulawesi Tengah berdasarkan pendapat masyarakat pada
pesan Twitter dengan menggunakan metode klasifikasi algoritma Naïve Bayes.
1.2 Rumusan Masalah
1.2.1 Bagaimana sentimen masyarakat berdasarkan kategori terhadap
penanggulangan bencana tsunami di Kota Palu Sulawesi Tengah
terkait kebutuhan khusus?
3
1.3 Tujuan
1.3.1 Untuk mengetahui bagaimana sentimen masyarakat berdasarkan
kategori terhadap penanggulangan bencana tsunami di Kota Palu
Sulawesi Tengah terkait kebutuhan khusus.
1.4 Luaran yang Diharapkan
1.4.1 Jurnal atau artikel ilmiah serta presentasi poster mengenai “Analisis
Sentimen Menggunakan Metode Naïve Bayes Classifier untuk
Mengidentifikasi Kebutuhan Khusus Pasca Bencana Tsunami Kota
Palu Sulawesi Tengah” yang dipublikasikan.
1.4.2 Membantu pemerintah dan masyarakat Indonesia mendapatkan
informasi kebutuhan khusus suatu daerah pasca bencana secara cepat
dan tepat.
4
BAB 2. TINJAUAN PUSTAKA
Tujuan dari proses klasifikasi Analisis Sentimen Naïve Bayes adalah untuk
menentukan sebuah kalimat apakah termasuk sebagai anggota kelas opini positif
atau sebagai anggota kelas opini negatif yang ditentukan berdasarkan nilai
perhitungan probabilitas Bayes yang lebih besar. Jika hasil probabilitas Bayes
kalimat tersebut untuk kelas opini positif lebih besar maka kalimat tersebut masuk
kategori opini positif demikian juga sebaliknya. (Murnawa & Sinaga, 2017)
Penelitian oleh Buntoro (2017) mengenai analisis sentimen calon gubernur
DKI Jakarta 2017 di Twitter menggunakan metode Naïve Bayes Classifier
(NBC) dan Support Vector Machine (SVM) untuk proses klasifikasinya. Metode
klasifikasi Naïve Bayes Classifier (NBC) mendapatkan akurasi paling tinggi
akurasi tertinggi didapat saat menggunakan metode klasifikasi Naïve Bayes
Classifier (NBC), dengan nilai rata-rata akurasi mencapai 95%, metode ini
cenderung lebih stabil karena berbasis probabilitas kemunculan kata dalam sebuah
kalimat.
Pada penelitian pemanfaatan analisis sentimen untuk pemeringkatan
popularitas tujuan wisata, Murnawa & Sinaga (2017) memutuskan untuk
menggunakan strategi klasifikasi berdasarkan pada algorima Naïve Bayes karena
merupakan suatu metode yang sederhana dan intuitif yang kinerjanya mirip
dengan pendekatan lain. Dari hasil uji dengan algoritma tersebut, semakin banyak
frase yang dimiliki sebagai core, maka semakin akurat sentiment analysis yang
disajikan. Data tekstual pada Twitter merupakan data yang melimpah dan dapat
diperoleh dengan mudah,sehingga proses pengambilan data yang banyak tetap
dapat dilakukan secara efesien.
Pada penelitian implementasi metode klasifikasi Naïve Bayes dalam
memprediksi besarnya penggunaan listrik rumah tangga. Saleh (2015)
mengatakan bahwa Naive Bayes memanfaatkan data training untuk menghasilkan
probabilitas setiap kriteria untuk kelas yang berbeda, sehingga nilai-nilai
probabilitas dari kriteria tersebut dapat dioptimalkan untuk memprediksi
penggunaan listrik berdasarkan proses klasifikasi yang dilakukan oleh metode
Naive Bayes itu sendiri. Hasil metode Naïve Bayes tersebut mengklasifikasikan
47 data dari 60 data yang diuji. Sehingga metode Naive Bayes berhasil
5
memprediksi besarnya penggunaan listrik rumah tangga dengan persentase
keakuratan sebesar 78,3333%..
Naive Bayes merupakan sebuah pengklasifikasian probabilistik sederhana
yang menghitung sekumpulan probabilitas dengan menjumlahkan frekuensi dan
kombinasi nilai dari dataset yang diberikan. Algoritma mengunakan teorema
Bayes dan mengasumsikan semua atribut independen atau tidak saling
ketergantungan yang diberikan oleh nilai pada variabel kelas (Patil & Sherekar,
2013).
Persamaan teorema Bayes dapat dituliskan sebagai berikut: 𝑃(𝐻|𝑋) = 𝑃(𝑋|𝐻).𝑃(𝐻) 𝑃(𝑋)
(1)
Keterangan :
X : Data dengan class yang belum diketahui
H : Hipotesis data merupakan suatu class spesifik
P(H|X) :Probabilitas hipotesis H berdasar kondisi X (posteriori probabilitas)
P(H) : Probabilitas hipotesis H (prior probabilitas)
P(X|H) :Probabilitas X berdasarkan kondisi pada hipotesis H
P(X) : Probabilitas X
Untuk menjelaskan metode Naive Bayes, perlu diketahui bahwa proses
klasifikasi memerlukan sejumlah petunjuk untuk menentukan kelas apa yang
cocok bagi sampel yang dianalisis tersebut. Karena itu, metode Naive Bayes di
atas disesuaikan sebagai berikut:
P(C|F1 … Fn )= 1P ( F1, F2…, Fn )
P(C)∏i=1
n
P ¿¿|C)
P(C|F1 … Fn )=P (C)
Z ∏i=1
n
P ¿¿|C) (2)
Persamaan di atas merupakan model Naïve Bayes yang akan dilanjutkan
dengan proses klasifikasi pada Naïve Bayes Classifier. Dari persamaan diatas
dapat dijelaskan sebagai berikut:
Keterangan :
C : Kelas
6
F1 ... Fn : Karakteristik-karakteristik petunjuk yang dibutuhkan untuk melakukan
klasifikasi.
Z : Evidence yang nilainya konstan untuk semua kelompok pada satu
sampel.
7
BAB 3. METODE PENELITIAN
Penelitian ini dilakukan dengan menggunakan metode Naive Bayes
Classifier. Data penelitian berupa opini publik tentang tsunami di Kota
Palu,Provinsi Sulawesi Tengah Tengah yang dianalisis dengan menggunakan
software R . Penelitian dilakukan dalam beberapa tahap diantaranya:
1. Pengumpulan Data
Data yang berupa opini publik tentang tsunami di Kota Palu Sulawesi
Tengah dikumpulkan melalui data Twitter menggunakan proses grabbing data
dengan menggunakan Twitter API di https://apps.Twitter.com.
2. Tahap pre-processing data
Pada tahap pre-processing data, dilakukan proses persiapan data mentah
sebelum dilakukan proses lain. Adapun tahapan dari pre-processing meliputi
Stopwords Removal, Case Folding,Tokenisasi, dan Stemming.
3. Tahap pembentukan model
Pembentukan model dilakukan untuk menemukan pemodelan yang tepat
dalam proses pengklasifikasian data. Penentuan model dipengaruhi oleh
metode yang digunakan. Dalam hal ini, kami menggunakan metode Naive
Bayes Classifier. Prosesnya meliputi penentuan kelas atribut dan pembentukan
kelas kebutuhan.
4. Tahap Evaluasi Model
Evaluasi model memiliki tujuan untuk menentukan baik atau tidaknya
model yang telah terbentuk melalui pembentukan model sebelumnya
(Nugroho, 2018). Tahap ini terdiri dari beberapa proses yaitu klasifikasi dan
validasi.
5. Tahap Interpretasi Data
Pada tahap ini dilakukan hasil analisis dengan pernyataan, kriteria, atau
standar tertentu untuk menemukan makna dari data yang dikumpulkan untuk
menarik kesimpulan dari permasalahan yang sedang diteliti.
Tahapan penelitian tersebut digunakan untuk mengidentifikasi kebutuhan
khusus pasca bencana tsunami di Kota Palu,Provinsi Sulawesi Tengah yang
diharapkan dapat tepat memberikan hasil yang tepat.
8
BAB 4 BIAYA DAN JADWAL KEGIATAN
4.1. Anggaran Biaya
No Jenis Pengeluaran Biaya (Rp)
1 Peralatan penunjang Rp4.830.000,00
2 Bahan habis pakai
Rp2.668.000,00
3 Perjalanan Rp2.500.000,00
4 Lain-lain Rp570.000,00
Jumlah Rp10.568.000,00
Tabel 4.1. Format Ringkasan Anggaran Biaya PKM-P
4.2. Jadwal Kegiatan
No Jenis KegiatanBulan ke-
1 2 3 4 5
1 Persiapan dan studi literatur
2 Pengumpulan data dan analisis data
3 Penerapan metode
4 Evaluasi
5 Penyusunan laporan kegiatan
Tabel 4.2. Jadwal Kegiatan Penelitian
9
DAFTAR PUSTAKA
Buntoro, G. A. (2017). Analisis Sentimen Calon Gubernur DKI Jakarta di Jakarta. Integer Journal, 37-41.
Desmonda, N. I., & Pamungkas, A. (2014). Penentuan Zona Kerentanan Bencana Gempa Bumi Tekotonik di Kabupaten Malang Wilayah Selatan. Jurnal Teknis Pomits, 107-112.
Haryanto, T. (den 12 3 2018). 130 Juta Orang Indonesia Tercatat Aktif di Medsos. Hämtat från inet.detik.com: https://inet.detik.com/cyberlife/d-3912429/130-juta-orang-indonesia-tercatat-aktif-di-medsos
Jurafsky, D., & Martin, J. (2014). Speech and Language Processing. Upper Saddle River, New Jersey: Pearson Education.
Kristiyanti, D. A. (2015). Analisis Sentimen Review Produk Kosmetik Menggunakan Algoritma Support Vector Machine dan Particle Swarm Optimization Sebagai Metode Seleksi Fitur. Seminar Nasional Inovasi dan Tren(SNIT).
Marwick, Alice, E., & Danah, B. (2010). I Tweet Honesty, I TweetbPassionaely: Twitter Users, Context Collapse, and The Audience. Journal of New Media & Society, 1-20.
Mentari, N. D., Fauzi, M. A., & muflikhah, L. (2018). Analisis Sentimen Kurikulum 2013 Pada Sosial Media Twitter Menggunakan Metode K-Nearest Neighbor dan Feature Selection Query Expansion Ranking. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 2, 2739.
Murnawa, & Sinaga, A. (2017). Pemanfaatan Analisis Sentimen untuk Pemeringkatan Popularitas Tujuan Wisata. Jurnal Peneltian Pos dan Informatika, 117.
Nugroho, F. K. (2018). Analisis Sentimen Untuk Mengidentifikasi Kebutuhan Khusus Pasca Bencana Gunung Merapi Yogyakarta Menggunakan Metode Naïve Bayes Classifier. Skripsi.
Patil, T., & Sherekar, M. (2013). Performance Analysis of Naive Bayes and J48 Classification Algorithm for Data Classification. International Journal of Computer Science and Applications.
Simandjuntak, T. O. (1992). An Outline of Tectonics of the Indonesian Region. Geological News Letter, 4-6.
10
LAMPIRAN
Lampiran 1 Biodata Ketua, Anggota dan Dosen PendampingLampiran 1.1 Biodata Ketua
A. Identitas Diri
1 Nama Lengkap Indira Luthfiana Mulyahati2 Jenis Kelamin P3 Program Studi Statistika4 NIM 166111225 Tempat dan Tanggal Lahir Banjarbaru, 21 Oktober 19986 E-Mail [email protected] Nomor Telepon/HP 082351250405
B. Riwayat Pendidikan
SD SMP SMA
Nama InstitusiSDN Kota 9 Banjarbaru
SMP Negeri 1 Banjarbaru
SMA Negeri 1 Banjarbaru
Jurusan - - MIPATahun Masuk – Lulus 2004-2010 2010-2013 2013-2016
C. Pemakalah Seminar Ilmiah(Oral Presentation)
NoNama Pertemuan Ilmiah/Seminar
Judul Artikel Ilmiah Waktu dan Tempat
1
D. Penghargaan dalam 5 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No Jenis PenghargaanInstitusi Pemberi
PenghargaanTahun
123
11
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan PKM-P
Yogyakarta, 20 November 2018Pengusul,
( Indira Luthfiana Mulyahati )
12
Lampiran 1.2 Biodata Anggota 1
A. Identitas Diri
1 Nama Lengkap Tyas Yuliana2 Jenis Kelamin P3 Program Studi Statistika4 NIM 166111145 Tempat dan Tanggal Lahir Ngawi, 9 April 19986 E-Mail [email protected] Nomor Telepon/HP 089696573672
B. Riwayat Pendidikan
SD SMP SMA
Nama InstitusiSD Negeri 4 Kedunggalar
SMP Negeri 1 Kedunggalar
SMA Negeri 1 Ngawi
Jurusan - - -Tahun Masuk – Lulus 2004-2010 2010-2013 2013-2016
C. Pemakalah Seminar Ilmiah (Oral Presentation)
NoNama Pertemuan Ilmiah/Seminar
Judul Artikel Ilmiah Waktu dan Tempat
123
D. Penghargaan dalam 5 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No Jenis PenghargaanInstitusi Pemberi
PenghargaanTahun
123
13
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan PKM-P
Yogyakarta, 20 November 2018Pengusul,
( Tyas Yuliana )
14
Lampiran 1.3 Biodata Anggota 2
A. Identitas Diri
1 Nama Lengkap Lidiniya Ferentica2 Jenis Kelamin P3 Program Studi Psikologi4 NIM 173200745 Tempat dan Tanggal Lahir Temanggung, 21 Juli 19996 E-Mail [email protected] Nomor Telepon/HP 089 633 487 336
B. Riwayat Pendidikan
SD SMP SMA
Nama InstitusiSD N 2 Temanggung
SMP N 1 Temanggung
SMA N 2 Temanggung
Jurusan - - IPATahun Masuk – Lulus 2005-2011 2011-2014 2014-2017
C. Pemakalah Seminar Ilmiah (Oral Presentation)
NoNama Pertemuan Ilmiah/Seminar
Judul Artikel Ilmiah Waktu dan Tempat
123
D. Penghargaan dalam 5 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No Jenis PenghargaanInstitusi Pemberi
PenghargaanTahun
123
15
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan PKM-P.
Yogyakarta, 20 November 2018Pengusul,
( Lidiniya Ferentica)
16
Lampiran 1.4 Biodata Dosen Pembimbing
A. Identitas Dosen Pendamping
1 Nama Lengkap Sekti Kartika Dini, S.Si., M.Si.2 Jenis Kelamin P3 Program Studi Statistika4 NIDN. -5 Tempat dan Tanggal Lahir Ketapang, 30 Oktober 19926 E-Mail [email protected] Nomor Telepon/HP 0857 4379 5362
B. Riwayat Pendidikan
S1 S2 S3Nama Institusi UII IPB
Jurusan Statistika Statistika Terapan
Tahun Masuk – Lulus 2010-2014 2014-2017
C. Pemakalah Seminar Ilmiah (Oral Presentation)
No Nama Pertemuan Ilmiah/Seminar Judul Artikel Ilmiah Waktu dan Tempat
1
The 2ndInternational Conference On Applied Statistics
Sequential Pattern Mining of Rawi Hadis (Case study: Shahih Hadis of Imam Bukhari from Software Ensiklopedi Hadis Kitab 9 Imam)
27-28 Sepetemebr 2016, Universitas Padjadjaran
D. Penghargaan dalam 5 tahun Terakhir (dari pemerintah, asosiasi atau institusi lainnya)
No Jenis Penghargaan Institusi Pemberi Penghargaan Tahun
123
17
Semua data yang saya isikan dan tercantum dalam biodata ini adalah benar dan dapat dipertanggungjawabkan secara hukum. Apabila di kemudian hari ternyata dijumpai ketidaksesuaian dengan kenyataan, saya sanggup menerima sanksi.
Demikian biodata ini saya buat dengan sebenarnya untuk memenuhi salah satu persyaratan dalam pengajuan PKM-P.
Yogyakarta, 20 November 2018Dosen
Pendamping,
( Nama Lengkap )
18
Lampiran 2 (Justifikasi Anggaran Kegiatan)1. Peralatan Penunjang
Material Justifikasi Pemakaian Volume Harga Satuan
(Rp)Jumlah Biaya
(Rp)
Sewa printerPrint hasil penelitian dan laporan
5 bulan Rp100.000,00 Rp500.000,00
Sewa laptop Mengolah data 3 bulan Rp160.000,00 Rp480.000,00
Flashdisk 16GB Penyimpanan Data 3 unit Rp150.000,00 Rp450.000,00
Account Keyhole Grabbing Data 1 bulan Rp3.000.000,00 Rp3.000.000,00
Sewa kamera Dokumentasi kegiatan 5 kali Rp80.000,00 Rp400.000,00
SUB TOTAL (Rp) Rp4.830.000,00
2. Bahan Habis Pakai
Material Justifikasi Pemakaian Volume Harga Satuan
(Rp)Jumlah Biaya
(Rp)
Tinta printer hitam
Print hasil penelitian dan laporan
2 unit Rp80.000,00 Rp160.000,00
Tinta printer warna
Print hasil penelitian dan laporan
4 unit Rp90.000,00 Rp360.000,00
Kertas HVS A4Print hasil penelitian dan laporan
2 rim Rp60.000,00 Rp120.000,00
Pulpen tinta Mencatat data survei lapangan 3 lusin Rp50.000,00 Rp150.000,00
Buku catatan Mencatat data survei lapangan 3 unit Rp15.000,00 Rp45.000,00
Buku catatan keuangan
Mencatat keuangan 1 unit Rp28.000,00 Rp28.000,00
Buku agenda Mencatat agenda dan progres penelitian
1 unit Rp50.000,00 Rp50.000,00
InternetKomunikasi jaringan maya dan studi literatur
100GB Rp15.000,00 Rp1.500.000,00
Bensin Bahan bakar transportasi 30 liter Rp8.500,00 Rp255.000,00
SUB TOTAL (Rp) Rp2.668.000,00
19
3. Perjalanan
Material Justifikasi Pemakaian Volume Harga Satuan
(Rp)Jumlah Biaya
(Rp)Tiket pesawat Yogyakarta ke
Jakarta Pengambilan data sekunder di Basarnas Pusat
4 orang Rp365.000,00 Rp1.460.000,00
Tiket kereta Jakarta ke
Yogyakarta 4 orang Rp260.000,00 Rp1.040.000,00
SUB TOTAL (Rp) Rp2.500.000,00
4. Lain-lain
Material Justifikasi Pemakaian Volume Harga Satuan
(Rp)Jumlah Biaya
(Rp)
Publikasi Pendaftaran seminar nasional 1 tim Rp150.000,00 Rp150.000,00
Print poster penelitian Sarana publikasi 2 unit Rp150.000,00 Rp300.000,00
Perbanyak laporan Monev dan LPJ 3 unit Rp20.000,00 Rp60.000,00
Perbanyak proposal
Proposal Kegiatan 3 unit Rp20.000,00 Rp60.000,00
SUB TOTAL (Rp) Rp570.000,00Total (Keseluruhan) Rp10.568.000,00
20
Lampiran 3. (Susunan Organisasi Tim Kegiatan dan Pembagian Tugas)
NO Nama/NIM Program
StudiBidang Ilmu
Alokasi Waktu
(jam/minggu)Uraian Tugas
1
Indira
Luthfiana
Mulyahati
(16611122)
Statistika Statistika 7 jam/minggu
Ketua,
Perancangan konsep
mengimplementasikan
konsep-konsep dari
studi pustaka
pengumpulan data.
2
Tyas
Yuliana
(16611114)
Statistika Statistika 7 jam/minggu
Anggota 1,
Bertanggungjawab
atas analisis data
3
Lidiniya
Ferentica
(17320074)Psikologi Psikologi 7 jam/minggu
Anggota 2,
Bertanggungjawab
atas tokenisasi data
berdasarkan kategori
klasifikasi kebutuhan
khusus pasca bencana
tsunami Kota Palu
Sulawesi Tengah
21
Lampiran 4. Surat Pernyataan Ketua Kegiatan
KOP PERGURUAN TINGGISURAT PERNYATAAN KETUA PENELITI/PELAKSANA
Yang bertanda tangan di bawah ini:
Nama : Indira Luthfiana MulyahatiNIM : 16611122Program Studi : StatistikaFakultas : Fakultas Matematika dan Ilmu Pengetauan Alam
Dengan ini menyatakan bahwa proposal PKM-Penelitian saya dengan judul: “Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Untuk Mengidentifikasi Kebutuhan Khusus Pasca Bencana Tsunami Kota Palu Sulawesi Tengah” yang diusulkan untuk tahun anggaran 2019 adalah asli karya kami dan belum pernah dibiayai oleh lembaga atau sumber dana lain.
Bilamana di kemudian hari ditemukan ketidaksesuaian dengan pernyataan ini, maka saya bersedia dituntut dan diproses sesuai dengan ketentuan yang berlaku dan mengembalikan seluruh biaya penelitian yang sudah diterima ke kas negara.
Demikian pernyataan ini dibuat dengan sesungguhnya dan dengan sebenar-benarnya.
Yogyakarta, 20 November 2018Mengetahui,Wakil Rektor Bidang Kemahasiswaan
( Dr. Drs. Rohidin, S.H., M.Ag.) NIP. 924100103
Yang Menyatakan,
Materai Rp 6.000Tandatangan
(Indira Luthfiana Mulyahati)NIM.