<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" id="828">
 <titleInfo>
  <title>Penerapan Text Mining untuk Pencarian Arsip&#13;
pada Kelurahan Kemanggisan</title>
 </titleInfo>
 <name type="Personal Name" authority="">
  <namePart>Cipto Febrianto Simanjuntak</namePart>
  <role>
   <roleTerm type="text">Primary Author</roleTerm>
  </role>
 </name>
 <typeOfResource manuscript="no" collection="yes">mixed material</typeOfResource>
 <genre authority="marcgt">bibliography</genre>
 <originInfo>
  <place>
   <placeTerm type="text">JAKARTA</placeTerm>
  </place>
  <publisher>USNI</publisher>
  <dateIssued>2019</dateIssued>
 </originInfo>
 <language>
  <languageTerm type="code">id</languageTerm>
  <languageTerm type="text">Indonesia</languageTerm>
 </language>
 <physicalDescription>
  <form authority="gmd">Text</form>
  <extent></extent>
 </physicalDescription>
 <note>Kelurahan kemanggisan merupakan salah satu kelurahan yang berada di Jakarta barat yang melakukan kegiatan administrasi pemerintahan yang salah satu kegiatannya adalah pengarsipan surat yang ada dikelurahan. Penelitian ini difokuskan untuk melakukan pencarian arsip surat yang ada dalam kelurahan kemanggisan yang melakukan pencarian dengan manual yang memerlukan waktu untuk pencarian arsip surat. Text mining merupakan metode klasifikasi variasi data mining yang berusaha menemukan pola yang menarik dari data sekumpulan data tekstual yang berjumlah besar. Sedangkan algoritman naïve bayes merupakan algoritma pendukung untuk melakukan klasifikasi. Dalam penelitian ini data yang digunakan terdiri dari empat kategori yaitu pemerintahan, ekonomi, keamanan, dan kesejahteraan. Dari setiapkategori terdiri dari beberapa kata kunci(keyword). System ini menggunakan Bahas pemrograman PHP dan database MYSQL yang menunjukan bahwa testing bias terklasifikasi secara otomatis. Dari hasil perhitungan probabilitas diketahui bahwa probablitas surat 11 terhadap kelas ekonomi memiliki nilai paling tinggi, yaitu 3.24223E-60. Sehingga surat 11 masuk kedalam kelas ekonomi.</note>
 <note type="statement of responsibility"></note>
 <subject authority="">
  <topic>TEXT MINING</topic>
 </subject>
 <subject authority="">
  <topic>Pencarian</topic>
 </subject>
 <subject authority="">
  <topic>Klasifikasi</topic>
 </subject>
 <subject authority="">
  <topic>Naïve Bayes</topic>
 </subject>
 <classification>NONE</classification>
 <identifier type="isbn"></identifier>
 <location>
  <physicalLocation>Institutional Repository USNI Universitas Satya Negara Indonesia</physicalLocation>
  <shelfLocator></shelfLocator>
  <holdingSimple>
   <copyInformation>
    <numerationAndChronology type="1">08190172</numerationAndChronology>
    <sublocation>Perpustakaan USNI Kampus A</sublocation>
    <shelfLocator></shelfLocator>
   </copyInformation>
  </holdingSimple>
 </location>
 <slims:digitals>
  <slims:digital_item id="823" url="" path="/afe31bf4f45472ad2e3d981c62cc85d7.pdf" mimetype="application/pdf">Penerapan Text Mining untuk Pencarian Arsip pada Kelurahan Kemanggisan</slims:digital_item>
 </slims:digitals>
 <recordInfo>
  <recordIdentifier>828</recordIdentifier>
  <recordCreationDate encoding="w3cdtf">2020-01-20 12:01:48</recordCreationDate>
  <recordChangeDate encoding="w3cdtf">2020-01-20 12:02:40</recordChangeDate>
  <recordOrigin>machine generated</recordOrigin>
 </recordInfo>
</mods>
</modsCollection>