Penulis: Ir. Nurul Qomariyah S.Kom., M.Kom., Ir. Dian Ayu Afifah, S.Si., M.Sc., Ir. Agiska Ria Supriyatna , S.Si., M.T.I., Ir. Eko Subyantoro, S.Kom., M.Kom., Ir. Imam Asrowardi, S.Kom., M.Kom., Dr. Ir. Septafiansyah Dwi Putra, S.T., M.T., Ir. Zuriati, S.Kom., M.Kom., Ir. Ismail Puji Saputra, S.Kom., M.Kom., Agus Ambarwari, S.Pd., M.Kom.
ISBN: xxx-xxx-xxxx-xx-x
Cetakan: Pertama, September 2026
Halaman & Ukuran: xii + 328 hlm, UNESCO (15,5 cm x 23 cm)
Harga Buku: Rp99.999,-
Cetakan: Pertama, September 2026
Halaman & Ukuran: xii + 328 hlm, UNESCO (15,5 cm x 23 cm)
Harga Buku: Rp99.999,-
Deskripsi Buku: Buku ini berangkat dari pemahaman bahwa machine learning bukan sekadar kumpulan algoritma untuk menghasilkan prediksi, melainkan sebuah pendekatan yang memungkinkan data diubah menjadi informasi dan wawasan yang dapat mendukung pengambilan keputusan. Oleh karena itu, pembahasan dalam buku tidak hanya berfokus pada algoritma, tetapi juga mencakup keseluruhan proses analisis, mulai dari memahami permasalahan, menyiapkan dataset, melakukan preprocessing teks, membangun representasi fitur, memilih algoritma, melakukan validasi, mengevaluasi kinerja model, hingga menginterpretasikan hasil dan menerjemahkannya ke dalam konteks praktis.
Bab-bab dalam buku ini disusun untuk memberikan gambaran mengenai beragam persoalan nyata yang dapat diselesaikan melalui pendekatan machine learning. Pembahasan diawali dengan pengenalan umum dan landasan konseptual, kemudian dilanjutkan dengan penerapan machine learning untuk deteksi cyberbullying pada media sosial. Topik ini menjadi penting karena ruang digital tidak hanya menyediakan sarana komunikasi dan interaksi, tetapi juga dapat menjadi tempat munculnya berbagai bentuk kekerasan verbal dan perilaku negatif. Melalui pemrosesan bahasa alami (Natural Language Processing/NLP) dan algoritma klasifikasi, data teks dapat dianalisis untuk mengidentifikasi pola-pola komunikasi yang berpotensi mengandung cyberbullying.
Selanjutnya, buku ini membahas klasifikasi sentimen pada ulasan aplikasi digital, termasuk ulasan aplikasi DANA, Shopee, dan GoPay. Ulasan pengguna merupakan sumber data yang sangat berharga karena merepresentasikan pengalaman, kepuasan, keluhan, serta persepsi pengguna terhadap suatu layanan. Dengan analisis sentimen, teks yang semula bersifat tidak terstruktur dapat dikategorikan ke dalam sentimen tertentu sehingga menghasilkan informasi yang lebih mudah dianalisis. Berbagai algoritma seperti Support Vector Machine, Random Forest, K-Nearest Neighbor, Multinomial Naïve Bayes, dan Logistic Regression diperkenalkan dan diterapkan dalam konteks permasalahan yang berbeda. Perbandingan tersebut diharapkan dapat membantu pembaca memahami bahwa tidak terdapat satu algoritma yang selalu menjadi pilihan terbaik untuk seluruh jenis dataset dan permasalahan.
Aspek penting lainnya yang mendapat perhatian dalam buku ini adalah pemrosesan teks dan rekayasa fitur. Data teks tidak dapat langsung digunakan oleh sebagian besar algoritma machine learning dalam bentuk aslinya. Oleh sebab itu, diperlukan serangkaian tahapan seperti pembersihan data, case folding, tokenisasi, penghapusan stopwords, stemming, serta transformasi teks ke dalam bentuk numerik. Konsep Term Frequency–Inverse Document Frequency (TF-IDF) juga dibahas sebagai salah satu teknik representasi fitur yang banyak digunakan dalam klasifikasi teks. Pembaca tidak hanya diperkenalkan pada konsep tersebut secara teoritis, tetapi juga diarahkan untuk memahami fungsi dan relevansinya dalam keseluruhan pipeline analisis data.
Buku ini juga memberikan perhatian terhadap persoalan ketidakseimbangan kelas (class imbalance), desain eksperimen, validasi model, evaluasi performa, dan optimasi hyperparameter. Hal tersebut penting karena performa sebuah model tidak cukup dinilai hanya berdasarkan satu ukuran akurasi. Dalam situasi tertentu, terutama ketika distribusi kelas tidak seimbang, metrik seperti precision, recall, F1-score, dan confusion matrix dapat memberikan gambaran yang lebih representatif mengenai kemampuan model. Dengan demikian, pembaca diharapkan mampu melihat hasil eksperimen secara lebih kritis dan tidak sekadar berorientasi pada angka akurasi tertinggi.
Pada bagian akhir, buku memperluas penerapan machine learning dari analisis teks menuju prediksi customer churn pada industri telekomunikasi. Pembahasan mengenai feature selection dan Random Forest menunjukkan bahwa prinsip machine learning dapat diterapkan tidak hanya untuk memahami apa yang dikatakan pengguna, tetapi juga untuk memprediksi perilaku pelanggan. Identifikasi pelanggan yang berpotensi berhenti menggunakan layanan memiliki nilai strategis bagi perusahaan karena dapat menjadi dasar dalam merancang program retensi, meningkatkan kualitas layanan, dan mengoptimalkan sumber daya pemasaran. Dengan demikian, buku ini memperlihatkan hubungan antara pengolahan data, pemodelan prediktif, dan kebutuhan pengambilan keputusan di dunia nyata.
Salah satu tujuan utama penyusunan buku ini adalah menjembatani konsep teoretis dengan praktik penerapan. Pembaca tidak hanya diajak mengenal istilah dan prinsip machine learning, tetapi juga memahami bagaimana sebuah penelitian atau proyek analisis data dirancang secara sistematis. Setiap kasus dalam buku dapat dipandang sebagai representasi dari tahapan penelitian yang lebih luas: merumuskan masalah, menentukan data, memilih metode, melakukan eksperimen, mengevaluasi model, serta menarik kesimpulan yang relevan. Pendekatan semacam ini diharapkan dapat membantu mahasiswa, peneliti, akademisi, maupun praktisi memahami bahwa keberhasilan penerapan machine learning sangat bergantung pada kualitas keseluruhan proses, bukan semata-mata pada pemilihan algoritma.
Buku ini juga diharapkan dapat menjadi referensi bagi mahasiswa dan pembaca yang sedang mempelajari kecerdasan buatan, machine learning, data mining, pemrosesan bahasa alami, analisis sentimen, text mining, maupun analitik bisnis. Bagi peneliti, buku ini dapat memberikan gambaran mengenai rancangan eksperimen dan pendekatan evaluasi yang dapat dikembangkan lebih lanjut. Sementara bagi praktisi dan pelaku bisnis, berbagai studi kasus yang dibahas dapat menjadi ilustrasi mengenai bagaimana data pengguna dan data pelanggan dapat dimanfaatkan untuk memperoleh wawasan yang lebih objektif dalam mendukung keputusan.
Penulis menyadari bahwa perkembangan machine learning berlangsung sangat cepat. Algoritma, teknik pemrosesan data, perangkat lunak, dan pendekatan evaluasi terus mengalami perkembangan. Oleh karena itu, buku ini tidak dimaksudkan sebagai akhir dari proses pembelajaran, melainkan sebagai salah satu pijakan awal untuk memahami dan mengembangkan kajian lebih lanjut. Pembaca diharapkan tidak berhenti pada metode yang disajikan dalam buku ini, tetapi terus mengeksplorasi pendekatan baru, membandingkan metode, menguji berbagai dataset, dan mengembangkan solusi yang lebih sesuai dengan kebutuhan dan karakteristik permasalahan.
Isi formulir ini bagi Anda yang ingin menerbitkan buku di Kami |
Informasi mengenai biaya penerbitan ISBN resmi terdaftar di Perpusnas dan Internasional (mulai harga Rp300.000,-) |
Informasi untuk Anda yang ingin mengkonversi karya ilmiah menjadi sebuah buku referensi/monograf ber-ISBN (mulai harga Rp500.000,-) |
Informasi untuk Anda yang ingin membuat HaKI di Kami (mulai harga Rp350.000,-) |
Informasi untuk Anda yang ingin buku terbitannya terindeks di Google Books sehingga mudah di-sitasi dan dibaca secara global (mulai harga Rp100.000,-) |
Informasi untuk Anda yang memiliki artikel ilmiah (Jurnal, Buku, Skripsi, Tesis, & Disertasi dll), dan ingin ditambah sitasinya sehingga H-Index Google Scholar Anda naik (mulai harga Rp20.000,-) |
Informasi untuk Anda yang memiliki artikel bebas, opini, catatan akademik/kuliah, Skripsi, Tesis, Disertasi dll, dan ingin terindeks Google Scholar secara otomatis (tidak manual) sehingga mudah di-sitasi dan dibaca secara global (mulai harga Rp50.000,-) |
Hubungi narahubung Kami untuk pembelian buku-buku terbitan Kami |
0 Comments