PENERAPAN DATA MINING UNTUK MEMPREDIKSI KLASIFIKASI JUMLAH PEMBACA SEBUAH ARTIKEL PADA SITUS BERANDA.CO.ID MENGGUNAKAN ALGORITMA BAYESIAN CLASSIFICATION SKRIPSI Untuk memenuhi sebagian persyaratan mencapai derajat S-1 Program Studi Teknik Informatika
Diajukan oleh: Yoga Pratama NIM. 12650014 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI SUNAN KALIJAGA YOGYAKARTA 2016
ii
iii
iv
KATA PENGANTAR
Alhamdulillahirabilalamin, puji syukur atas kehadirat Allah SWT yang telah melimpahkan rahmat, hidayah serta inayah-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Penerapan Data mining untuk Memprediksi Klasifikasi Jumlah Pembaca Sebuah Artikel pada Situs Beranda.co.cd Menggunakan Algoritma Bayesian classification” ini dengan baik sesuai dengan kewajiban dalam memenuhi gelar Strata 1 Komputer (S.Kom) di Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Kalijaga Yogyakarta. Tidak lupa shalawat serta salam tetap tercurah kepada junjungan Nabi Muhammad SAW dan semoga kelak kita mendapat syafaat darinya. Penulis menyadari bahwa dalam penyusunan skripsi ini tidak lepas dari dukungan baik semangat maupun materiil yang diberikan sehingga skripsi dapat terselesaikan. Oleh karena itu, penulis ingin mengucapkan terima kasih sebesarbesarnya kepada: 1. Bapak Prof. Drs. K.H. Yudian Wahyudi, M.A., Ph.D. selaku Rektor Universitas Islam Negeri Sunan Kalijaga Yogyakarta. 2. Ibu Dr. Hj. Maizer Said Nahdi, M.Si. selaku Dekan Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Kalijaga Yogyakarta. 3. Bapak Sumarsono, S.T., M.Kom. selaku Ketua Progam Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Kalijaga Yogyakarta.
v
4. Bapak Aulia Faqih Rifa’i, M.Kom.selaku Dosen Pembimbing Akademik Program Studi Teknik Informatika angkatan 2012 reguler. 5. Bapak Agus Mulyanto, S.Si., M.Kom. selaku Dosen Pembimbing skripsi yang telah membimbing serta memberikan koreksi dan saran kepada penulis. 6. Bapak dan Ibu Dosen Progam Studi Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Kalijaga Yogyakarta yang telah memberikan ilmu dan pengalaman kepada penulis selama masa kuliah. 7. Pihak Beranda Media Siber Group yang telah memberikan ijin penelitian. 8. Orang tua dan keluarga tercinta yang senantiasa memberikan motivasi serta dukungan moril maupun materiil kepada penulis dengan semua kasih dan sayangnya. 9. Teman-teman Progam Studi Teknik Informatika Angkatan 2012 Reguler Fakultas Sains dan Teknologi Universitas Islam Negeri Sunan Kalijaga Yogyakarta. 10. Semua pihak yang telah membantu dalam proses penyelesaian skripsi ini, yang tidak bisa penulis sebutkan satu persatu.
vi
Semoga Allah SWT membalas amal kebaikan dari seluruh pihak yang telah membantu penulis menyelesaikan skripsi. Penulis menyadari bahwa dalam penyusunan skripsi ini masih jauh dari kesempurnaan, oleh karena itu kritik dan saran sangat penulis harapkan untuk dapat menyempurnakannya. Semoga skripsi ini dapat bermanfaat bagi para pembaca.
Yogyakarta, 20 Juni 2016 Penyusun,
Yoga Pratama NIM. 12650014
vii
HALAMAN PERSEMBAHAN
Alhamdulillahirobbil’alamiin, rasa syukur ku haturkan kepada-Mu ya Allah sebagai dzat yang Maha Kuasa, atas berkat, rahmat, hidayah serta karunia-Mu sehingga salah satu kewajibanku ini dapat terselesaikan. Tak lupa sholawat serta salam senantiasa tercurah kepada Baginda Nabi Muhammad SAW. Penulis ingin mengucapkan terimakasih kepada orang-orang disekitar yang telah memberikan dukungan baik moril maupun materiil untuk mencapai keberhasilan dalam menyelesaikan tugas akhir ini, yang diantaranya: 1.
Ibu Siti Khasanah dan Bapak Agus Daliyanto tercinta yang selalu sabar dalam membesarkan dan mendidik dari sejak lahir hingga sekarang, terimakasih atas segala do’a dan pengorbanan yang sangat tidak ternilai harganya.
2. Kakak Senja Ayu Hapsari dan Adik Riyan Pamungkas yang selalu memberikan motivasi dan gurauan-gurauan kecil. Semoga silaturahmi kita tetap terjaga dan semoga Allah selalu melindungi serta menjaga kalian. 3. Mas Arofiu Syarifuddin dan keluarga yang saya repoti selama dalam pengerjaan skripsi. 4. Bapak Agus Mulyanto, S.Si., M.Kom. selaku Dosen Pembimbing yang telah memberikan ilmunya serta diskusi yang sangat bermanfaat bagi penulis selama penyusunan skripsi ini. Semoga Allah memberikan keberkahan dan balasan atas segala kebaikannya. 5. Segenap dosen Teknik Informatika UIN Sunan Kalijaga Yogyakarta, Pak Aulia, Pak Sumarsono, Pak Didik, Pak Agung, Pak Bambang, Pak Nurochman, Pak Taqim, Pak Taufik, Pak Awik, Pak Imam, Bu Uyun, Bu Ade, Bu Maria, dll. Terima kasih atas segala ilmu dan bimbingan yang telah diberikan selama ini. Semoga Allah selalu memberikan kemudahan dalam segala urusan bapak dan ibu semuanya.
viii
6. Teman Kos Kamar Sebelah, Rian Wiguna yang selalu saya tumpangi untuk memasak nasi, -_7. Co-Founder Indojurnal.com, Fajar Nurrohmat, Danang Purwoko Putro, Irfan Afif Mustofa yang selalu bersama mengerjakan tugas kuliah, dan ingin membuat sebuah startup, sudah menyewa domain dan hosting selama setahun tapi tidak dipakai, :v 8. Keluarga besar Teknik Informatika 2012 reguler. 9. Sugeng Widodo, teman sejak kecil hingga dewasa, pernah ada konflik saat SMP lalu rujuk kembali, yang sudah membantu translate abstraksi ke dalam bahasa inggris :D 10. Teman satu bimbingan Pak Agus, Afif, Irfan (lagi) , Agung, Indah, Yaumi, Zuhdan yang telah berjuang bersama dan saling bersharing tentang informasi. 11. Mas Faris yang telah saya tumpangi dalam mencetak skripsi sebanyak 180 lembar, :v 12. Puguh, Baini dan Agung yang saya membantu tentang birokrasi munaqosah. :v 13. Pihak Beranda Media Siber Group yang tidak segan-segan memberikan akses sebagai administrator ke dlalam situsnya, padahal jadi editor aja sudah cukup, -_14. Semua pihak yang telah membantu dalam proses penyelesaian skripsi ini, yang tidak bisa penulis sebutkan satu persatu. Semoga Allah membalas amal ibadah dan kebaikan kalian.
ix
HALAMAN MOTTO
x
DAFTAR ISI
HALAMAN JUDUL........................................................................................
i
HALAMAN PENGESAHAN ..........................................................................
ii
SURAT PERSETUJUAN SKRIPSI/TUGAS AKHIR .................................... iii SURAT PERNYATAAN KEASLIAN SKRIPSI............................................ iv KATA PENGANTAR .....................................................................................
v
HALAMAN PERSEMBAHAN ...................................................................... viii HALAMAN MOTTO ......................................................................................
x
DAFTAR ISI .................................................................................................... xi DAFTAR GAMBAR ....................................................................................... xvii DAFTAR TABEL ............................................................................................ xix DAFTAR RUMUS .......................................................................................... xx INTISARI......................................................................................................... xxi ABSTRACT ..................................................................................................... xxii BAB I PENDAHULUAN ................................................................................
1
1.1 Latar Belakang ........................................................................................
1
1.2 Rumusan Masalah ...................................................................................
2
1.3 Batasan Masalah .....................................................................................
3
1.4 Tujuan Penelitian ....................................................................................
4
1.5 Manfaat Penelitian ..................................................................................
4
1.6 Keaslian Penelitian .................................................................................
4
1.7 Sistematika Penulisan .............................................................................
5
xi
BAB II TINJAUAN PUSTAKA DAN LANDASAN TEORI ........................
7
2.1 Tinjauan Pustaka.....................................................................................
7
2.2 Landasan Teori ....................................................................................... 10 2.2.1 Data mining ..................................................................................... 10 2.2.1.1 Definisi Data mining .................................................................. 13 2.2.1.2 Pengelompokan Data mining...................................................... 14 2.2.2 Beranda.co.id .................................................................................. 18 2.2.3 Algoritma Bayesian classification ................................................... 19 2.2.3.1 Algoritma .................................................................................... 19 2.2.3.2 Contoh Algoritma ....................................................................... 19 2.2.4 Evaluasi ........................................................................................... 21 2.2.5 PHP (PHP : Hypertext Preprocessor)............................................. 22 2.2.6 Basis Data dan DBMS (Database Management System) ................ 24 2.2.7 MySQL ............................................................................................. 24 2.2.8 Siklus Hidup Pengembangan Sistem ............................................... 26 BAB III METODE PENELITIAN................................................................... 29 3.1 Perumusan Masalah ................................................................................ 30 3.2 Teknik Pengumpulan Data ..................................................................... 30 3.3 Analisis dan Perancangan Model Klasifikasi ......................................... 32 3.4 Perancangan Sistem ................................................................................ 33 3.5 Implementasi........................................................................................... 34 3.6 Pengujian ................................................................................................ 34 3.7 Hasil dan Pembahasan ............................................................................ 35
xii
3.8 Kesimpulan dan Saran ............................................................................ 35 BAB IV ANALISIS DAN PERANCANGAN ................................................ 36 4.1 Analisis dan Perancangan Model Klasifikasi ......................................... 36 4.1.1 Analisis Kebutuhan Data ................................................................... 36 4.1.2 Data Cleaning .................................................................................... 36 4.1.3 Data Transformation ......................................................................... 37 4.1.4 Klasifikasi Menggunakan Bayesian classification ............................ 39 4.2 Analisis Fungsional Sistem .................................................................... 43 4.2.1 Context Diagram ................................................................................ 43 4.2.2 Data Flow Diagram (DFD) ............................................................... 43 4.2.2.1 DFD Level 1 ............................................................................... 43 4.2.2.2 DFD Level 2 ............................................................................... 46 4.2.3 Entity Relation Diagram (ERD)......................................................... 47 4.2.4 Flowchart ........................................................................................... 48 4.3 Perancangan Database............................................................................ 50 4.3.1 Tabel User .......................................................................................... 51 4.3.2 Tabel Atribut ...................................................................................... 51 4.3.3 Tabel Nilai ......................................................................................... 52 4.3.4 Tabel Upload_Data ........................................................................... 53 4.3.5 Tabel Kasus ........................................................................................ 55 4.3.6 Tabel Pembuatan_Aturan................................................................... 57 4.4 Perancangan Struktur Menu ................................................................... 60 4.5 Perancangan Antar Muka ....................................................................... 61
xiii
4.5.1 Perancangan Halaman Login ............................................................. 61 4.5.2 Perancangan Halaman Atribut dan Nilai ........................................... 62 4.5.2.1 Halaman Data Atribut............................................................... 62 4.5.2.2 Halaman Data Nilai .................................................................. 63 4.5.3 Perancangan Halaman Data Kasus .................................................... 64 4.5.3.1 Halaman Data Upload .............................................................. 64 4.5.3.2 Halaman Data Kasus ................................................................ 65 4.5.3.3 Halaman Upload Data .............................................................. 66 4.5.4 Perancangan Halaman Prediksi Data ................................................. 67 4.5.4.1 Halaman Awal Prediksi Data ................................................... 67 4.5.4.2 Halaman Input Data Uji............................................................ 68 4.5.4.3 Halaman Hasil Prediksi ............................................................ 69 4.5.5 Perancangan Halaman Buat Aturan ................................................... 70 4.5.5.1 Halaman Awal Buat Aturan ..................................................... 70 4.5.5.2 Halaman Input Data Digunakan ............................................... 71 4.5.5.3 Halaman Hasil Prediksi Semua Aturan .................................... 72 BAB V IMPLEMENTASI DAN PENGUJIAN 5.1 Implementasi........................................................................................... 74 5.1.1 Implementasi Basis Data.................................................................... 74 5.1.2 Halaman Login ................................................................................... 75 5.1.3 Halaman Atribut dan Nilai ................................................................. 75 5.1.3.1 Halaman Data Atribut............................................................... 75 5.1.3.2 Halaman Data Nilai .................................................................. 76
xiv
5.1.4 Halaman Data Kasus .......................................................................... 77 5.1.4.1 Halaman Data Upload .............................................................. 77 5.1.4.2 Halaman Data Kasus ................................................................ 78 5.1.4.3 Halaman Upload Data .............................................................. 78 5.1.5 Halaman Prediksi Data ...................................................................... 79 5.1.5.1 Halaman Awal Prediksi Data ................................................... 79 5.1.5.2 Halaman Input Data Uji............................................................ 80 5.1.5.3 Halaman Hasil Prediksi ............................................................ 81 5.1.6 Halaman Buat Aturan ........................................................................ 82 5.1.6.1 Halaman Awal Buat Aturan ..................................................... 82 5.1.6.2 Halaman Input Data Digunakan ............................................... 82 5.1.6.3 Halaman Hasil Prediksi Semua Aturan .................................... 83 5.2 Pengujian ................................................................................................ 84 5.2.1 Pengujian Aplikasi ............................................................................. 85 5.2.2 Evaluasi .............................................................................................. 87 5.2.2.1 Skenario Pertama ...................................................................... 87 5.2.2.2 Skenario Kedua ........................................................................ 87 5.2.2.3 Skenario Ketiga ........................................................................ 88 5.2.2.4 Skenario Keempat .................................................................... 88 BAB VI HASIL DAN PEMBAHASAN ......................................................... 89 6.1 Penerapan Data mining ke dalam Aplikasi ............................................ 89 6.2 Pengujian ................................................................................................ 90 6.2.1 Pengujian Aplikasi ............................................................................. 91
xv
6.2.2 Evaluasi .............................................................................................. 91 6.2.2.1 Skenario Pertama ...................................................................... 92 6.2.2.2 Skenario Kedua ........................................................................ 92 6.2.2.3 Skenario Ketiga ........................................................................ 92 6.2.2.4 Skenario Keempat .................................................................... 93 BAB VII PENUTUP ........................................................................................ 94 7.1 Kesimpulan ............................................................................................. 94 7.2 Saran ....................................................................................................... 95 DAFTAR PUSTAKA ...................................................................................... 96 LAMPIRAN ..................................................................................................... 97 CURICULUM VITAE ..................................................................................... 157
xvi
DAFTAR GAMBAR
Gambar 2.1 Tahapan dalam KDD (Knowledge Discovery in Database) ........ 12 Gambar 2.2 Gambar Eksekusi Program PHP .................................................. 23 Gambar 2.3 Kerangka Kerja Pengembangan Sistem ....................................... 27 Gambar 3.1 Tahapan Metode Penelitian .......................................................... 29 Gambar 4.1 Flowchart Perhitungan Algoritma Bayesian Classification ......... 40 Gambar 4.2 Context Diagram Aplikasi Data mining Bayesian classification
43
Gambar 4.3 DFD Level 1 Aplikasi Data mining Bayesian classification ....... 44 Gambar 4.4 DFD Level 2 Proses Mengelola Prediksi Semua Aturan ............. 46 Gambar 4.5 ERD Aplikasi Data mining Bayesian classification .................... 48 Gambar 4.6 Flowchart Bayesian classification dalam Aplikasi ...................... 49 Gambar 4.7 Flowchart Penggunaan Aplikasi Data mining Bayesian classification ....................................................................................................... 60 Gambar 4.8 Perancangan Antarmuka Halaman Login ..................................... 62 Gambar 4.9 Perancangan Antarmuka Halaman Data Atribut .......................... 63 Gambar 4.10 Perancangan Antarmuka Halaman Data Nilai ........................... 64 Gambar 4.11 Perancangan Antarmuka Halaman Data Upload ....................... 65 Gambar 4.12 Perancangan Antarmuka Halaman Data Kasus .......................... 66 Gambar 4.13 Perancangan Antarmuk Halaman Upload Data ......................... 67 Gambar 4.14 Perancangan Antarmuka Halaman Awal Prediksi Data ............. 68 Gambar 4.15Perancangan Antarmuka Halaman Input Data Uji ...................... 69 Gambar 4.16 Perancangan Antarmuka Halaman Hasil Prediksi ..................... 70
xvii
Gambar 4.17 Perancangan Antarmuka Halaman Awal Buat Aturan ............... 71 Gambar 4.18 Perancangan Antarmuka Halaman Input Data Digunakan ........ 72 Gambar 4.19 Perancangan Antarmuka Halaman Hasil Prediksi Semua Aturan 73 Gambar 5.1 Implementasi Basis Data .............................................................. 74 Gambar 5.2 Tampilan Halaman Login ............................................................. 75 Gambar 5.3 Tampilan Halaman Data Atribut .................................................. 76 Gambar 5.4 Tampilan Halaman Data Nilai...................................................... 76 Gambar 5.5 Tampilan Halaman Data Upload.................................................. 77 Gambar 5.6 Tampilan Halaman Data Kasus .................................................... 78 Gambar 5.7 Tampilan Halaman Upload Data.................................................. 79 Gambar 5.8 Tampilan Halman Awal Prediksi Data......................................... 80 Gambar 5.9 Tampilan Halaman Input Data Uji ............................................... 80 Gambar 5.10 Tampilan Halaman Hasil Prediksi.............................................. 81 Gambar 5.11 Tampilan Halaman Awal Buat Aturan ....................................... 82 Gambar 5.12 Tampilan Halaman Input Data Digunakan................................. 83 Gambar 5.13 Tampilan Halaman Hasil Prediksi Semua Aturan...................... 84 Gambar 6.1 Tampilan Input Data yang Disesuaikan dengan Tabel 4.2........... 89 Gambar 6.2 Hasil Prediksi dari Data Uji pada Tabel 4.2 ................................. 90
xviii
DAFTAR TABEL
Tabel 2.1 Penelitian terdahulu..........................................................................
8
Tabel 2.2 Data Training dari All Electronics customer database .................... 20 Tabel 3.1 Atribut dan Nilai .............................................................................. 31 Tabel 4.1 Contoh data yang siap di-import ke dalam database ....................... 38 Tabel 4.2 Contoh data yang akan diuji............................................................. 40 Tabel 4.3 Tabel User ........................................................................................ 51 Tabel 4.4 Tabel Atribut .................................................................................... 52 Tabel 4.5 Tabel Nilai........................................................................................ 52 Tabel 4.6 Tabel Upload_data ........................................................................... 54 Tabel 4.7 Tabel Kasus ...................................................................................... 55 Tabel 4.8 Tabel Pembuatan_aturan .................................................................. 57 Tabel 5.1 Pengujian Aplikasi ........................................................................... 85 Tabel 6.1 Hasil Pengujian Aplikasi.................................................................. 91
xix
DAFTAR RUMUS
Rumus 2.1 Theorema Bayes ............................................................................. 19 Rumus 2.2 Akurasi ........................................................................................... 21
xx
PENERAPAN DATA MINING UNTUK MEMPREDIKSI KLASIFIKASI JUMLAH PEMBACA SEBUAH ARTIKEL PADA SITUS BERANDA.CO.ID MENGGUNAKAN ALGORITMA BAYESIAN CLASSIFICATION Yoga Pratama 12650014 INTISARI Jumlah pembaca sebuah artikel pada sebuah situs web sering kali tidak menentu. Salah satu contohnya adalah situs Beranda.co.id. Ada beberapa faktor yang dapat mempengaruhi hal tersebut, salah satunya adalah faktor kepenulisan artikel. Faktor kepenulisan artikel ini contohnya seperti jumlah kata, jumlah label, dan nilai Yoast SEO. Masalah tersebut dapat diselesaikan jika pihak Beranda.co.id dapat memprediksi artikel yang berpotensi mempunyai klasifkasi jumlah pembaca yang banyak. Penelitian ini menerapkan algoritma bayesian classification ke dalam sebuah aplikasi yang dapat digunakan untuk menghitung prediksi klasifikasi sebuah artikel. Algoritma ini dipilih karena algoritma tersebut terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database dengan data yang besar. Dari penghitungan prediksi tersebut didapatkan sebuah nilai akurasi prediksi. Nilai akurasi prediksi tersebut kemudian dilakukan proses interpretasi menjadi sebuah informasi atau knowledge yang dapat digunakan oleh pihak Beranda.co.id dalam menggunakan aplikasi tersebut. Penelitian ini berhasil menerapkan algoritma bayesian classification ke dalam aplikasi. Hasil presentase akurasi prediksi skenario pertama adalah 56%, skenario kedua adalah 62%, skenario ketiga adalah 42%, dan skenario keempat adalah 60%. Sedangkan knowledge yang didapat yaitu data normal dapat menghasilkan keakuratan prediksi yang lebih baik dan keakuratan prediksi semakin menurun seiring dengan kadaluarnya suatu data latih. Kata kunci : data mining, algoritma bayesian classification, jumlah pembaca, data artikel, beranda.co.id
xxi
IMPLEMENTATION OF DATA MINING TO PREDICT THE NUMBER OF READERS’S CLASSIFICATION OF AN ARTICLE ON BERANDA.CO.ID USING BAYESIAN CLASSIFICATION ALGORITHM Yoga Pratama 12650014 ABSTRACT Sometimes, the number readers of article from websites is not stabilize. One of them is Beranda.co.id site. There are some element that can influence, one of them is the writing element of article. It is includes the number of words, the number of tags, and the Yoast SEO value. The problem can be solve if Beranda.co.id site can predict the potential article that have many readers classification. This research applies bayesian classification algorithm into an application that can be used to calculate a prediction of an article classification. This algorithm was chosen because it is shown to have a high speed and accuracy when applied into the database with big data. The prediction calculation obtains a value of prediction accuracy. This value of prediction accuracy further is conducted interpretation process to be an information or knowledge that can be used by Beranda.co.id in using the application. This research is successful in applying bayesian classification algorithm into the application. The results of the first scenario prediction accuracy percentage is 56%, the second scenario is 62%, the third scenario is 42%, and the fourth scenario is 60%. While the knowledge which is got are normal data can produce results better prediction accuracy and the prediction accuracy getting decreased goes hand in hand with the expired date of training data. Keywords : data mining, bayesian classification algorithm, number of readers, article’s data, beranda.co.id
xxii
BAB I PENDAHULUAN
1.1
Latar Belakang Perkembangan teknologi informasi dan komunikasi (TIK) di era globalisasi
ini seolah tidak dapat dibendung lagi dalam sisi kehidupan manusia di abad ke-21 ini. Cepatnya pergerakan TIK ini dapat diamati secara jelas salah satunya pada bidang situs portal berita. Sekarang ini banyak bermunculan situs portal berita baik yang menyajikan artikel dengan bahasan yang serius maupun bahasan komedi bahkan dengan gaya bahasa yang satire. Kecenderungan ini dipacu oleh kehadiran dan kemajuan teknologi informasi dan komunikasi (ICT) yang berupa internet dengan teknologi Web (World Wide Web) sebagai teknologi pendukung utamanya. Jumlah pembaca sebuah artikel sering kali tidak menentu. Ini bisa dilihat pada situs Beranda.co.id. Beranda.co.id sendiri adalah situs media hiburan online yang sudah cukup lama berkiprah dalam dunia publishing web. Salah satu indikasi bahwa Beranda.co.id mempunyai jumlah pembaca yang tidak menentu yaitu dengan melihat dua artikel yang dipublikasikan pada tanggal 6 Desember 2015. Artikel pertama dengan judul “Masih Eksis Di Dunia Musik, Bimbo Segera Gelar Konser Akbar” yang mempunyai 86 pembaca. Sedangkan artikel kedua dengan judul “Prilly Latuconsina Jadi Orang Pertama Yang Jenguk Aliando di Rumah Sakit” yang mempunyai 1264 pembaca. Dari fakta tersebut, pasti ada hal-hal yang menyebabkan perbedaan jumlah pembaca sebuah artikel. Ada beberapa faktor yang dapat mempengaruhi hal
1
2
tersebut, salah satunya adalah faktor kepenulisan artikel. Faktor kepenulisan artikel ini contohnya seperti jumlah kata, jumlah label, dan nilai Yoast SEO. Pada penelitian ini, penulis akan membuat aplikasi yang dapat memprediksi sebuah artikel mendapatkan klasifikasi jumlah pembaca yang banyak, menengah atau sedikit. Hal ini bertujuan agar penulis nantinya dapat menulis artikel yang mempunyai kesempatan besar untuk mendapatkan jumlah pembaca yang banyak. Dalam pembuatan aplikasi ini penulis menerapkan salah satu algoritma data mining, yaitu Bayesian Classification. Algoritma ini dipilih karena algoritma Bayesian Classification terbukti memiliki akurasi dan kecepatan yang tinggi saat diaplikasikan ke dalam database dengan data yang besar. Selain itu, dalam sebuah prediksi pasti erat hubungannya dengan nilai akurasi. Sebuah prediksi yang bagus adalah prediksi yang mempunyai nilai akurasi yang tinggi agar prediksi tersebut dapat digunakan dan dapat mendapatkan hasil yang baik sesuai dengan prediksi. Namun nilai akurasi prediksi pun juga dipengaruhi oleh beberapa hal, seperti data kasus yang digunakan sebagai data latih. Data kasus 1 tahun yang lalu digunakan untuk menguji prediksi kasus 1 tahun yang lalu pasti akan berbeda hasilnya saat digunakan untuk menguji kasus sekarang. Begitu pula dengan nilai akurasi prediksi yang menggunakan data kasus yang telah dinormalkan dan belum dinormalkan. 1.2
Rumusan Masalah Berdasarkan latar belakang di atas dapat dirumuskan permasalahan yang akan
diselesaikan dalam penelitian ini adalah :
3
1. Bagaimana menerapkan metode data mining dengan algoritma Bayesian Classification ke dalam aplikasi untuk menghitung prediksi suatu artikel? 2. Bagaimana mengevaluasi hasil presentase keakuratan prediksi masingmasing skenario? 3. Bagaimana menginterpretasi dari hasil presentase keakuratan prediksi yang dihasilkan menjadi sebuah informasi atau knowledge? 1.3
Batasan Masalah Adapun batasan masalah dalam penelitian ini adalah sebagai berikut :
1. Data yang digunakan adalah data artikel yang dipublikasi pada tanggal 1 Januari 2016 hingga 31 Januari 2016. 2. Atribut artikel terdiri dari waktu publikasi, kehangatan berita, kategori yoast seo, kategori artikel, jumlah kata, jumlah label dan klasifikasi jumlah pembaca. 3. Situs yang dijadikan tempat penelitian adalah Beranda.co.id. 4. Data yang akan digunakan sebagai data latih dibagi menjadi dua data, yang pertama adalah data artikel asli dimana data tidak diubah sedikitpun, yang kedua adalah data artikel yang telah dinormalkan menggunakan uji normalitas. 5. Aplikasi dibangun menggunakan bahasa pemrograman PHP dan database MySQL 6. Dalam penelitian ini tidak membahas tentang pengimplementasian aplikasi ke pihak Beranda.co.id dan tidak membahas dampak yang didapat oleh pihak Beranda.co.id dalam penggunaan aplikasi.
4
1.4
Tujuan Penelitian Dari rumusan masalah yang telah diuraikan di atas, ada beberapa tujuan dari
penelitian ini, yaitu : 1. Menerapkan metode data mining dengan algoritma Bayesian Classification ke dalam aplikasi untuk menghitung prediksi suatu artikel. 2. Mengevaluasi hasil presentase keakuratan prediksi masing-masing skenario. 3. Menginterpretasikan hasil presentase keakuratan prediksi yang dihasilkan menjadi sebuah informasi atau knowledge. 1.5
Manfaat Penelitian Dengan tercapainya tujuan penelitian di atas, maka diharapkan akan
bermanfaat bagi semua pihak, manfaat dari penelitian ini adalah : 1. Membantu pihak penulis dalam menulis artikel menggunakan nilai-nilai atribut yang tepat, dengan cara melihat data aturan yang dihasilkan. 2. Membantu pihak beranda.co.id dalam menggunakan aplikasi Data Mining Bayesian Classification berdasarkan knowledge yang telah didapat. 3. Mengetahui tingkat keakuratan prediksi yang dapat menjadi acuan pihak Beranda.co.id untuk menilai bahwa aplikasi ini layak digunakan atau tidak. 1.6
Keaslian Penelitian Penelitian tentang penerapan data mining untuk menghitung prediksi
menggunakan algoritma Bayesian Classification sudah pernah dilakukan sebelumnya. Akan tetapi penelitian tentang penerapan data mining dengan algoritma Bayesian Classification untuk menghitung prediksi klasifikasi jumlah
5
pembaca sebuah artikel yang dipublikasi sepengetahuan penulis belum pernah dilakukan sebelumnya. 1.7
Sistematika Penulisan Untuk memberikan gambaran dan kerangka yang jelas mengenai pokok
bahasan setiap bab dalam penelitian ini, maka diperlukan sistematika penulisan. Berikut ini gambaran sistematika penulisan pada masing-masing bab : BAB I : PENDAHULUAN Bab ini berisikan latar belakang masalah, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, keaslian skripsi, dan sistematika penulisan skripsi. BAB II : TINJAUAN PUSTAKA DAN LANDASAN TEORI Bab dua menjelaskan tentang tinjauan pustaka dan landasan teori yang berhubungan dengan topik yang akan dibahas dalam penelitian ini. BAB III : METODE PENELITIAN Pada bab ini akan dibahas tentang metode peneltian yang digunakan dalam menyelesaikan penelitian ini. BAB IV : ANALISIS DAN PERANCANGAN Bagian ini menjelaskan secara rinci tentang analisis perancangan dan model klasifikasi serta tahapan perancangan yang digunakan untuk proses pembuatan sistem. BAB V : IMPLEMENTASI DAN PENGUJIAN Bagian ini menjelaskan secara rinci tentang pengimplementasian sistem dan pengujian sistem serta pengujian keakuratan prediksi.
6
BAB VI : HASIL DAN PEMBAHASAN Pada bab ini memuat hasil dari penelitian dan pembahasan yang telah dilakukan. BAB VII : PENUTUP Bagian ini berisi tentang kesimpulan dan saran-saran untuk penelitian selanjutnya.
BAB VII PENUTUP
7.1. Kesimpulan Kesimpulan yang dapat penulis simpulkan adalah sebagai berikut : 1.
Data mining dengan Algoritma Bayesian classification berhasil diterapkan ke dalam perancangan dan pengembangan Aplikasi Data mining Bayesian classification. Hal ini dapat dibuktikan bahwa perhitungan manual sama dengan perhitungan dengan aplikasi. Selain itu aplikasi juga dapat dijalankan sesuai dengan harapan penulis.
2.
Dari pengujian untuk masing-masing skenario yang telah dibahas pada bab sebelumnya, didapatkan hasil presentase akurasi prediksi skenario pertama adalah 56%, skenario kedua adalah 62%, skenario ketiga adalah 42%, dan skenario keempat adalah 60%.
3.
Hasil interpretasi knowledge yang diperoleh dari presentase akurasi prediksi adalah : a.
Dengan membandingkan skenario 1 dengan 2, dan skenario 3 dengan 4, didapatkan peningkatan presentase keakuratan prediksi. Maka dapat ditarik knowledge bahwa mining dengan data normal dapat menghasilkan keakuratan prediksi yang lebih baik.
b.
Dengan membandingkan skenario 1 dengan 3, dan skenario 2 dengan 4, didapatkan penurunan presentase keakuratan prediksi. Maka dapat
94
95
ditarik knowledge bahwa keakuratan prediksi semakin menurun seiring dengan kadaluarsanya suatu data latih. 7.2. Saran Saran yang dapat penulis berikan untuk penelitian lebih lanjut adalah : 1.
Untuk
pengembangan
aplikasi,
sebaiknya
aplikasi
sampai
dapat
diimplementasikan ke pihak Beranda.co.id dan menghitung dampaknya dalam penerapan aplikasi. 2.
Penentuan atribut dan nilai tidak hanya berasal dari faktor kepenulisan, namun bisa ditambah dengan faktor-faktor lain yang dapat mengoptimalkan Search Engine Optimation ataupun cara-cara lain yang sering seorang publisher web lakukan, agar keakuratan prediksi yang dihasilkan semakin baik.
DAFTAR PUSTAKA
Abdillah, Ihsan. 2016. Prediksi Penentuan Metode KB dalam Program Keluarga Berencana dengan Menggunakan Metode Naive Bayes Classifier. Pekanbaru : UIN Sultan Syarif Kasim Riau. Daqiqil, I . 2011 . Framework CodeIgniter2 . sumber: http://suciramadiani. blogspot.com/2013/12/perbedaandatabase-data-warehousedan.html(diakses tanggal 7 Desember 2015) Fadli, A. 2011. Konsep Data Mining. sumber : IlmuKomputer.com (diakses pada tanggal 7 Desember 2015). Fayyad, Usama M, dkk.1996.Advances in Knowledge Discovery and Data Mining.CA:American Association for Artifial Intelligence Menlo Park. Han, J. & Kamber, M. 2006 . Data mining Concepts and Techniques (2nd Edition).Elsevier Inc. Hermawati,F.A.2013.Data Mining.Yogyakarta:ANDI. Irawan,I.2003.IlmuKomputer.com.sumber:http//ikc.dinus.ac.id/berseri/ivanphp/php-mudah-01.php(diakses tanggal 7 Desember 2015). Kadir.A.2002.Konsep dan Tuntunan Praktis Basis Data.Yogyakarta:ANDI. Kadir.A.2008.Tuntunan Praktis Belajar Database Menggunakan MySQL. Yogyakarta:ANDI. Kusrini, & Luthfi, E.T.2009.Algoritma Data Mining.Yogyakarta:ANDI. Larose,Daniel T.2005.Discovering Knowledge in Data: An Introduction to Data Mining. John Willey & Sons, Inc. Mahadewi. M. Ch. Agung Ayu Bulan. 2015. Klasifikasi Kain Tradisional Nusantara dengan Menggunakan Algoritma Naive Bayes Classifier. Yogyakarta : Universitas Sanata Dharma. Moertini,V.2002.Data Mining sebagai Solusi Bisnis.Bandung:Penelitian Staff Pengajar Jurusan Ilmu Komputer Universitas Katolik Parahyangan. Sitanggang, Sartika. 2015. Pengkategorian Buku untuk Fakultas Teknik Menggunakan Metode Naive Bayes Classifier di Perpustakaan Universitas Widyatama. Bandung : Universitas Widyatama. Sommerville, Ian. 2003 . Software Engineering : Rekayasa Perangkat Lunak (jilid 1) . Jakarta.
96
LAMPIRAN
97
98
LAMPIRAN A Tabel Data Kasus Asli No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Waktu Posting I I I I II II II II II II II II II II II II II II II II
Kehangatan Berita dingin unik unik dingin hangat unik dingin unik unik unik unik unik unik hangat unik unik dingin dingin unik unik
Yoast SEO OK OK OK OK OK Bad OK OK Bad OK OK Bad Bad OK OK OK OK Bad OK OK
Jumlah Kata >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori
Jumlah Label
Lifestyle Selebritas Gosip Gosip Musik Selebritas Musik Selebritas Selebritas Gosip Gosip Gosip Selebritas Gosip Ragam Gosip Gosip Musik Gosip Unik
6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 93 297 177 63 122 47 44 77 75 110 128 121 46 128 78 189 172 66 208 80
Klasifikasi Jumlah Viewer Sedikit Banyak Menengah Sedikit Menengah Sedikit Sedikit Sedikit Sedikit Menengah Menengah Menengah Sedikit Menengah Sedikit Menengah Menengah Sedikit Banyak Sedikit
99
Tabel Data Kasus Asli (Lanjutan) No
Waktu Posting
21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
II II III III I I I I II II II II II II II II II II II II
Kehangatan Berita dingin dingin unik dingin dingin dingin hangat unik unik unik hangat hangat dingin hangat unik hangat unik hangat unik dingin
Yoast SEO OK OK OK OK Bad OK Bad OK OK OK OK Bad OK Bad OK OK OK OK OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150
Kategori Selebritas Selebritas Selebritas Gosip Gosip Gosip Selebritas Gosip Selebritas Gosip Selebritas Film Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Gosip
Jumlah Label <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 56 247 203 521 129 78 65 128 223 105 32 65 215 246 90 302 175 116 44 101
Klasifikasi Jumlah Viewer Sedikit Banyak Banyak Banyak Menengah Sedikit Sedikit Menengah Banyak Menengah Sedikit Sedikit Banyak Banyak Sedikit Banyak Menengah Menengah Sedikit Menengah
100
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
II II II II II II II II II II II II II III I I II II II II
Kehangatan Berita hangat dingin unik unik dingin dingin unik unik unik dingin dingin unik unik hangat unik unik dingin unik unik dingin
Yoast SEO Bad Bad Bad Bad OK OK OK OK OK OK OK OK Bad Bad Bad OK Bad OK Bad Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Gosip Selebritas Gosip Gosip Gosip Musik Gosip Gosip Ragam Gosip Ragam Selebritas Selebritas Selebritas Ragam Selebritas Selebritas Selebritas Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 59 73 70 360 151 207 19 380 187 137 261 28 112 87 179 40 64 54 75 83
Klasifikasi Jumlah Viewer Sedikit Sedikit Sedikit Banyak Menengah Banyak Sedikit Banyak Menengah Menengah Banyak Sedikit Menengah Sedikit Menengah Sedikit Sedikit Sedikit Sedikit Sedikit
101
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
II II II II II II II II II II I I I I I I I I I I
Kehangatan Berita dingin dingin unik unik unik unik dingin unik dingin unik unik unik unik hangat dingin hangat dingin hangat unik dingin
Yoast SEO OK Bad OK OK OK OK OK OK OK Good OK OK Bad OK Bad Bad OK Bad OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 <150 150-300 150-300 150-300 <150 150-300 150-300
Kategori Film Gosip Gosip Selebritas Ragam Lifestyle Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Film Gosip Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 59 75 149 158 36 126 91 356 147 72 431 144 68 113 74 48 149 75 86 68
Klasifikasi Jumlah Viewer Sedikit Sedikit Menengah Menengah Sedikit Menengah Sedikit Banyak Menengah Sedikit Banyak Menengah Sedikit Menengah Sedikit Sedikit Menengah Sedikit Sedikit Sedikit
102
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
I II II II II II II II II II II II II II II II II II II II
Kehangatan Berita dingin unik unik dingin dingin dingin dingin hangat dingin dingin unik dingin hangat unik unik unik dingin hangat dingin unik
Yoast SEO Bad OK Bad Bad OK OK OK Bad OK Bad Bad OK Bad OK OK OK OK OK Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Film Film Selebritas Gosip Gosip Gosip Selebritas Gosip Gosip Gosip Selebritas Gosip Ragam Selebritas Ragam Musik Selebritas Selebritas Gosip Gosip
Jumlah Label <6 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 53 236 321 102 52 80 202 142 139 147 64 206 51 200 47 122 142 190 440 164
Klasifikasi Jumlah Viewer Sedikit Banyak Banyak Menengah Sedikit Sedikit Banyak Menengah Menengah Menengah Sedikit Banyak Sedikit Menengah Sedikit Menengah Menengah Menengah Banyak Menengah
103
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
II II II II II III III III III III I I I I I I I I I I
Kehangatan Berita unik unik dingin unik unik unik unik unik dingin unik unik hangat hangat unik dingin unik unik dingin unik dingin
Yoast SEO Bad Bad OK OK OK OK OK Bad OK OK Bad OK OK Bad OK Bad OK OK Bad OK
Jumlah Kata 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Ragam Gosip Selebritas Selebritas Selebritas Selebritas Ragam Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Ragam Selebritas Gosip Gosip
Jumlah Label <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 151 71 298 397 60 69 126 45 231 180 56 53 85 205 68 63 83 61 192 65
Klasifikasi Jumlah Viewer Menengah Sedikit Banyak Banyak Sedikit Sedikit Menengah Sedikit Banyak Menengah Sedikit Sedikit Sedikit Banyak Sedikit Sedikit Sedikit Sedikit Menengah Sedikit
104
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
I I I I I I I II II II II II II II II II II II II II
Kehangatan Berita unik unik unik hangat hangat unik unik hangat unik dingin hangat hangat unik unik unik unik unik unik unik unik
Yoast SEO Bad Bad OK OK OK OK OK OK OK OK Bad OK Bad Bad Bad OK OK OK Bad Bad
Jumlah Kata 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 >300 >300 150-300 150-300 150-300
Kategori Gosip Musik Gosip Gosip Gosip Selebritas Selebritas Gosip Selebritas Gosip Gosip Gosip Gosip Selebritas Gosip Ragam Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 6 s/d 10 <6 <6 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 109 105 105 105 148 275 171 182 93 58 116 257 147 103 128 39 368 218 167 241
Klasifikasi Jumlah Viewer Menengah Menengah Menengah Menengah Menengah Banyak Menengah Menengah Sedikit Sedikit Menengah Banyak Menengah Menengah Menengah Sedikit Banyak Banyak Menengah Banyak
105
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
II II III III I I I I I I I II II II II II II II II II
Kehangatan Berita unik unik unik unik unik dingin dingin dingin unik unik unik hangat unik hangat dingin dingin unik hangat hangat unik
Yoast SEO OK OK OK Bad OK OK Bad OK Bad OK OK OK OK Bad Bad Bad Bad OK Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Selebritas Ragam Selebritas Gosip Gosip Gosip Musik Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 77 74 31 75 251 164 134 91 140 66 64 118 222 90 126 201 101 182 98 57
Klasifikasi Jumlah Viewer Sedikit Sedikit Sedikit Sedikit Banyak Menengah Menengah Sedikit Menengah Sedikit Sedikit Menengah Banyak Sedikit Menengah Banyak Menengah Menengah Sedikit Sedikit
106
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
II II II II II II II II II II II II II II II II II II III I
Kehangatan Berita unik unik unik unik hangat hangat dingin unik hangat dingin unik hangat hangat unik hangat unik unik hangat unik dingin
Yoast SEO OK OK OK OK Bad Bad Bad Bad OK Bad Bad OK OK OK OK OK Bad OK Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Selebritas Selebritas Gosip Gosip Gosip Selebritas Gosip Musik Gosip Gosip Gosip Selebritas Gosip Selebritas Gosip Gosip Selebritas Selebritas
Jumlah Label 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 151 146 125 95 225 146 281 77 179 91 217 249 266 182 290 190 136 119 86 75
Klasifikasi Jumlah Viewer Menengah Menengah Menengah Sedikit Banyak Menengah Banyak Sedikit Menengah Sedikit Banyak Banyak Banyak Menengah Banyak Menengah Menengah Menengah Sedikit Sedikit
107
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
I I I I I I I I I I I I I I I II II II II II
Kehangatan Berita hangat unik unik unik hangat dingin unik dingin unik dingin unik unik dingin unik unik hangat unik unik unik unik
Yoast SEO OK OK OK Bad OK OK OK Bad OK Bad OK Bad Bad OK OK OK Bad Bad Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Gosip Gosip Gosip
Jumlah Label 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 186 80 168 151 137 168 87 86 244 188 135 128 131 139 285 238 219 123 214 185
Klasifikasi Jumlah Viewer Menengah Sedikit Menengah Menengah Menengah Menengah Sedikit Sedikit Banyak Menengah Menengah Menengah Menengah Menengah Banyak Banyak Banyak Menengah Banyak Menengah
108
Tabel Data Kasus Asli (Lanjutan) Waktu Posting
No 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
II II II II II II II III I I I I I I I II II II II II
Kehangatan Berita unik hangat unik dingin hangat unik unik unik dingin unik hangat hangat hangat unik hangat unik unik unik hangat hangat
Yoast SEO OK OK OK Bad OK OK OK Bad OK OK OK OK Bad OK OK OK OK Bad OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Ragam Gosip Ragam Gosip Gosip Selebritas Ragam Ragam Gosip Musik Selebritas Gosip Gosip Gosip Gosip Selebritas Musik Selebritas
Jumlah Label 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 98 205 148 163 182 325 195 131 92 323 181 84 157 175 218 208 256 140 65 120
Klasifikasi Jumlah Viewer Sedikit Banyak Menengah Menengah Menengah Banyak Menengah Menengah Sedikit Banyak Menengah Sedikit Menengah Menengah Banyak Banyak Banyak Menengah Sedikit Menengah
109
Tabel Data Kasus Asli (Lanjutan) No 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240
Waktu Posting II II II II II II II II II II II II II II II II III III III III
Kehangatan Berita hangat unik unik hangat unik hangat unik unik dingin unik unik unik unik hangat hangat unik unik unik unik unik
Yoast SEO OK Bad OK OK OK OK Bad Bad Bad OK OK OK OK OK OK OK OK Bad OK OK
Jumlah Kata >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Film Gosip Gosip Gosip Ragam Selebritas Gosip Selebritas Selebritas Selebritas Gosip Gosip Musik Gosip Ragam Selebritas Gosip Gosip
Jumlah Label <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 <6 6 s/d 10 6 s/d 10
Jumlah Viewer 6 jam pertama 132 195 159 111 134 121 70 79 125 111 103 267 185 159 128 160 113 92 301 181
Klasifikasi Jumlah Viewer Menengah Menengah Menengah Menengah Menengah Menengah Sedikit Sedikit Menengah Menengah Menengah Banyak Menengah Menengah Menengah Menengah Menengah Sedikit Banyak Menengah
110
Tabel Data Kasus Asli (Lanjutan) No 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260
Waktu Posting III III I I I I II II II II II II II II II II II II II II
Kehangatan Berita unik unik hangat hangat hangat unik unik unik unik unik hangat hangat hangat unik hangat hangat unik hangat hangat unik
Yoast SEO Bad Bad OK OK OK OK OK OK Bad Bad Bad OK Bad Bad OK Bad OK Bad OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Selebritas Musik Gosip Selebritas Gosip Ragam Gosip Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 161 71 254 181 145 234 257 325 121 138 85 128 489 74 286 120 203 80 245 347
Klasifikasi Jumlah Viewer Menengah Sedikit Banyak Menengah Menengah Banyak Banyak Banyak Menengah Menengah Sedikit Menengah Banyak Sedikit Banyak Menengah Banyak Sedikit Banyak Banyak
111
Tabel Data Kasus Asli (Lanjutan) No 261 262 263 264 265 266 267 268 269 270 271 272 273 274 274 276 277 278 279 280
Waktu Posting II II II II III III III III III III I I I I II II II II II II
Kehangatan Berita unik unik unik unik hangat hangat unik hangat unik hangat dingin dingin unik unik unik unik unik hangat hangat hangat
Yoast SEO OK OK Bad OK OK OK Bad OK OK Bad OK Bad OK OK OK OK OK Bad OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Ragam Gosip Ragam Gosip Ragam Gosip Gosip Selebritas Gosip Musik Gosip Ragam Gosip Gosip Gosip Gosip Gosip Gosip
Jumlah Label 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 458 183 223 266 78 79 35 173 119 118 124 50 140 284 120 112 170 150 120 210
Klasifikasi Jumlah Viewer Banyak Menengah Banyak Banyak Sedikit Sedikit Sedikit Menengah Menengah Menengah Menengah Sedikit Menengah Banyak Menengah Menengah Menengah Menengah Menengah Banyak
112
Tabel Data Kasus Asli (Lanjutan) No 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300
Waktu Posting II II II II II III III III III III III I I I I I II II II II
Kehangatan Berita unik unik unik unik unik unik unik unik unik hangat unik unik unik unik unik hangat unik unik unik unik
Yoast SEO OK Bad OK OK OK OK OK OK OK OK OK OK OK OK OK OK Bad OK Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Ragam Ragam Gosip Gosip Selebritas Selebritas Selebritas Gosip Ragam Gosip Gosip Gosip Gosip Gosip Gosip Ragam Selebritas Selebritas Gosip Gosip
Jumlah Label <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 25 30 202 75 60 78 111 117 29 258 256 81 268 355 226 290 188 84 140 235
Klasifikasi Jumlah Viewer Sedikit Sedikit Banyak Sedikit Sedikit Sedikit Menengah Menengah Sedikit Banyak Banyak Sedikit Banyak Banyak Banyak Banyak Menengah Sedikit Menengah Banyak
113
Tabel Data Kasus Asli (Lanjutan) No 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320
Waktu Posting II II II II II II II II I I I I I I I I I II II II
Kehangatan Berita unik hangat unik unik unik hangat unik unik hangat hangat unik unik unik unik unik hangat unik hangat unik unik
Yoast SEO Bad OK OK OK OK OK OK OK OK OK Bad OK OK Bad OK OK Bad OK OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Film Ragam Musik Musik Gosip Gosip Gosip Gosip Gosip Selebritas
Jumlah Label <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 238 248 290 90 109 227 105 112 129 201 82 61 58 62 115 82 71 57 120 117
Klasifikasi Jumlah Viewer Banyak Banyak Banyak Sedikit Menengah Banyak Menengah Menengah Menengah Banyak Sedikit Sedikit Sedikit Sedikit Menengah Sedikit Sedikit Sedikit Menengah Menengah
114
Tabel Data Kasus Asli (Lanjutan) No 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
Waktu Posting II II II II II II II II II II II II II II II I I I II II
Kehangatan Berita unik hangat unik hangat hangat dingin hangat unik unik unik dingin hangat unik unik unik unik unik unik unik unik
Yoast SEO Bad OK OK OK OK OK OK OK OK OK OK OK Bad OK OK Bad OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 <150 150-300 150-300 150-300
Kategori Ragam Gosip Ragam Gosip Gosip Gosip Gosip Selebritas Musik Gosip Gosip Gosip Selebritas Selebritas Gosip Gosip Gosip Selebritas Gosip Selebritas
Jumlah Label <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10
Jumlah Viewer 6 jam pertama 61 127 203 315 144 96 145 265 137 184 156 301 453 368 271 215 53 95 428 343
Klasifikasi Jumlah Viewer Sedikit Menengah Banyak Banyak Menengah Sedikit Menengah Banyak Menengah Menengah Menengah Banyak Banyak Banyak Banyak Banyak Sedikit Sedikit Banyak Banyak
115
Tabel Data Kasus Asli (Lanjutan) No 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360
Waktu Posting III III III III I I I I I II II II II II II II II II II II
Kehangatan Berita unik unik unik unik unik hangat unik unik unik hangat unik unik unik unik unik unik unik unik dingin unik
Yoast SEO OK Bad Bad Bad OK OK OK Bad OK OK OK OK OK Bad OK OK OK OK OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Ragam Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Ragam Ragam Gosip Gosip Gosip Gosip Gosip Gosip Ragam
Jumlah Label <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 147 305 132 82 174 347 315 300 207 302 184 109 42 169 199 130 136 206 358 45
Klasifikasi Jumlah Viewer Menengah Banyak Menengah Sedikit Menengah Banyak Banyak Banyak Banyak Banyak Menengah Menengah Sedikit Menengah Menengah Menengah Menengah Banyak Banyak Sedikit
116
Tabel Data Kasus Asli (Lanjutan) No 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380
Waktu Posting II II II I I I I I II III III III III I I I I I I I
Kehangatan Berita unik unik unik unik hangat hangat unik hangat hangat unik unik unik unik unik unik unik unik unik unik unik
Yoast SEO OK OK Bad OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK OK
Jumlah Kata 150-300 >300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Selebritas Selebritas Gosip Selebritas Selebritas Ragam Gosip Ragam Ragam Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Selebritas Selebritas
Jumlah Label 6 s/d 10 6 s/d 10 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 208 350 79 269 281 162 69 455 194 237 39 80 85 385 236 158 196 285 172 103
Klasifikasi Jumlah Viewer Banyak Banyak Sedikit Banyak Banyak Menengah Sedikit Banyak Menengah Banyak Sedikit Sedikit Sedikit Banyak Banyak Menengah Menengah Banyak Menengah Menengah
117
Tabel Data Kasus Asli (Lanjutan) No 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
Waktu Posting I II II II II III III III III I I II II II II II II II II II
Kehangatan Berita unik unik unik unik unik unik unik unik unik hangat unik unik unik unik unik hangat unik hangat unik unik
Yoast SEO OK Bad OK OK OK Bad Bad OK OK OK OK OK OK Bad Bad OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Film Musik Selebritas Gosip Gosip Film Gosip Film Gosip Selebritas Selebritas Gosip Selebritas Ragam Selebritas Gosip Gosip Gosip Selebritas
Jumlah Label 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 108 88 132 125 108 365 131 156 116 505 219 124 286 224 91 238 137 109 86 300
Klasifikasi Jumlah Viewer Menengah Sedikit Menengah Menengah Menengah Banyak Menengah Menengah Menengah Banyak Banyak Menengah Banyak Banyak Sedikit Banyak Menengah Menengah Sedikit Banyak
118
Tabel Data Kasus Asli (Lanjutan) No 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420
Waktu Posting II II II II II II II II II II II II III III III I I II II II
Kehangatan Berita hangat unik hangat hangat unik hangat hangat unik unik unik unik unik unik hangat unik unik hangat unik unik hangat
Yoast SEO OK OK OK OK OK Bad Bad OK OK OK OK Bad Bad OK Bad Bad OK OK Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300
Kategori Gosip Musik Gosip Gosip Gosip Gosip Ragam Ragam Gosip Selebritas Gosip Gosip Gosip Selebritas Ragam Gosip Gosip Selebritas Selebritas Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 223 87 171 191 307 268 266 34 527 456 366 355 239 294 168 258 164 76 121 318
Klasifikasi Jumlah Viewer Banyak Sedikit Menengah Menengah Banyak Banyak Banyak Sedikit Banyak Banyak Banyak Banyak Banyak Banyak Menengah Banyak Menengah Sedikit Menengah Banyak
119
Tabel Data Kasus Asli (Lanjutan) No 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440
Waktu Posting II II II II II II II II II II II II III III III III I I I I
Kehangatan Berita unik unik unik unik unik dingin dingin unik unik unik unik hangat unik unik unik unik unik unik unik unik
Yoast SEO Bad OK OK OK OK OK Bad OK Bad OK OK OK OK OK OK OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300
Kategori Selebritas Selebritas Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Musik Ragam Ragam Selebritas Musik Gosip Gosip Gosip
Jumlah Label <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10
Jumlah Viewer 6 jam pertama 111 148 163 280 161 124 86 331 256 486 240 357 74 144 127 241 109 352 360 279
Klasifikasi Jumlah Viewer Menengah Menengah Menengah Banyak Menengah Menengah Sedikit Banyak Banyak Banyak Banyak Banyak Sedikit Menengah Menengah Banyak Menengah Banyak Banyak Banyak
120
Tabel Data Kasus Asli (Lanjutan) No 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460
Waktu Posting II II II II II II II II II II II II II II II II II II II II
Kehangatan Berita unik unik unik unik unik hangat unik unik unik unik hangat hangat unik hangat unik hangat unik unik unik unik
Yoast SEO Bad Bad Bad OK Bad Bad OK OK OK Bad Bad Bad OK Bad OK OK OK OK OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300
Kategori Gosip Ragam Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Ragam Ragam Selebritas Musik Gosip Selebritas Selebritas Gosip Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 97 57 430 120 171 166 160 371 296 201 233 243 346 121 277 299 174 376 401 86
Klasifikasi Jumlah Viewer Sedikit Sedikit Banyak Menengah Menengah Menengah Menengah Banyak Banyak Banyak Banyak Banyak Banyak Menengah Banyak Banyak Menengah Banyak Banyak Sedikit
121
Tabel Data Kasus Asli (Lanjutan) No 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480
Waktu Posting II III III III I I I I I I II II II II II II II II II II
Kehangatan Berita unik unik unik unik unik unik unik hangat hangat hangat unik unik dingin hangat unik unik hangat unik hangat unik
Yoast SEO Bad OK OK Bad OK OK OK OK OK OK OK OK Bad OK OK OK OK OK Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 >300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Ragam Selebritas Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Film Gosip Ragam Gosip Gosip Gosip Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 165 70 136 134 259 480 446 231 171 149 315 116 72 135 268 254 157 179 210 339
Klasifikasi Jumlah Viewer Menengah Sedikit Menengah Menengah Banyak Banyak Banyak Banyak Menengah Menengah Banyak Menengah Sedikit Menengah Banyak Banyak Menengah Menengah Banyak Banyak
122
Tabel Data Kasus Asli (Lanjutan) No 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500
Waktu Posting II II II II II II II I I I I II II II II I I I I I
Kehangatan Berita unik hangat unik unik unik unik unik dingin unik unik hangat unik dingin unik hangat unik dingin hangat hangat hangat
Yoast SEO OK Bad OK Bad Bad OK OK OK OK OK OK Bad OK OK Bad OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 >300
Kategori Gosip Ragam Gosip Selebritas Gosip Selebritas Gosip Ragam Gosip Gosip Gosip Gosip Musik Gosip Film Selebritas Gosip Ragam Gosip Gosip
Jumlah Label 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 205 158 165 100 195 223 238 51 149 171 193 247 86 400 195 251 119 109 221 176
Klasifikasi Jumlah Viewer Banyak Menengah Menengah Sedikit Menengah Banyak Banyak Sedikit Menengah Menengah Menengah Banyak Sedikit Banyak Menengah Banyak Menengah Menengah Banyak Menengah
123
Tabel Data Kasus Asli (Lanjutan) No 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520
Waktu Posting I I II II II II III III I I I I I II II II II II II II
Kehangatan Berita unik unik unik unik unik hangat unik hangat hangat unik hangat unik unik unik hangat hangat unik unik hangat unik
Yoast SEO OK Bad Bad OK OK OK Bad OK OK OK OK OK OK Bad OK Bad OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Gosip Gosip Selebritas Selebritas Selebritas Gosip Selebritas Selebritas Gosip Selebritas Ragam Musik Gosip Selebritas Gosip Selebritas Gosip Selebritas
Jumlah Label 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 6 s/d 10 6 s/d 10
Jumlah Viewer 6 jam pertama 231 139 233 202 105 221 360 475 119 178 400 250 177 86 115 102 327 193 296 350
Klasifikasi Jumlah Viewer Banyak Menengah Banyak Banyak Menengah Banyak Banyak Banyak Menengah Menengah Banyak Banyak Menengah Sedikit Menengah Menengah Banyak Menengah Banyak Banyak
124
Tabel Data Kasus yang Telah Dinormalkan No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Waktu Posting I I II II II II II II II II II II II II III I I II II II
Kehangatan Berita dingin unik hangat unik dingin unik unik unik unik hangat unik dingin unik dingin unik dingin unik unik unik hangat
Yoast SEO OK OK OK Bad OK OK OK Bad Bad OK OK OK OK OK OK Bad OK OK OK OK
Jumlah Kata >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 <150
Kategori Lifestyle Gosip Musik Selebritas Musik Gosip Gosip Gosip Selebritas Gosip Gosip Gosip Gosip Selebritas Selebritas Gosip Gosip Selebritas Gosip Selebritas
Jumlah Label 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 93 177 122 47 44 110 128 121 46 128 189 172 208 247 203 129 128 223 105 32
Klasifikasi Jumlah Viewer Sedikit Menengah Menengah Sedikit Sedikit Menengah Menengah Menengah Sedikit Menengah Menengah Menengah Banyak Banyak Banyak Menengah Menengah Banyak Menengah Sedikit
125
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Waktu Posting II II II II II II II II II II II II II II II II I I II II
Kehangatan Berita dingin hangat unik unik hangat unik dingin hangat unik dingin dingin unik dingin dingin unik unik unik unik dingin unik
Yoast SEO OK Bad OK OK OK OK Bad Bad Bad OK OK OK OK OK OK Bad Bad OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Selebritas Selebritas Gosip Gosip Gosip Ragam Gosip Ragam Selebritas Selebritas Ragam Film Gosip
Jumlah Label <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 215 246 90 175 116 44 101 59 70 151 207 187 137 261 28 112 179 40 59 149
Klasifikasi Jumlah Viewer Banyak Banyak Sedikit Menengah Menengah Sedikit Menengah Sedikit Sedikit Menengah Banyak Menengah Menengah Banyak Sedikit Menengah Menengah Sedikit Sedikit Menengah
126
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60
Waktu Posting II II II II II I I I I I I II II II II II II II II II
Kehangatan Berita unik unik unik dingin dingin unik unik hangat hangat dingin dingin unik dingin dingin hangat dingin dingin unik dingin unik
Yoast SEO OK OK OK OK OK OK Bad OK Bad OK OK OK Bad OK Bad OK Bad Bad OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 <150 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300
Kategori Selebritas Ragam Lifestyle Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Film Gosip Selebritas Gosip Gosip Gosip Selebritas Gosip Selebritas
Jumlah Label 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 158 36 126 91 147 144 68 113 48 149 68 236 102 202 142 139 147 64 206 200
Klasifikasi Jumlah Viewer Menengah Sedikit Menengah Sedikit Menengah Menengah Sedikit Menengah Sedikit Menengah Sedikit Banyak Menengah Banyak Menengah Menengah Menengah Sedikit Banyak Menengah
127
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80
Waktu Posting II II II II II II II II III III III III III I I I I I I I
Kehangatan Berita unik unik dingin hangat unik unik unik unik unik unik unik dingin unik unik hangat unik dingin unik dingin unik
Yoast SEO OK OK OK OK OK Bad Bad OK OK OK Bad OK OK Bad OK Bad OK Bad OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Ragam Musik Selebritas Selebritas Gosip Gosip Ragam Selebritas Selebritas Selebritas Ragam Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Selebritas Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 47 122 142 190 164 151 71 60 69 126 45 231 180 56 53 205 68 63 61 192
Klasifikasi Jumlah Viewer Sedikit Menengah Menengah Menengah Menengah Menengah Sedikit Sedikit Sedikit Menengah Sedikit Banyak Menengah Sedikit Sedikit Banyak Sedikit Sedikit Sedikit Menengah
128
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100
Waktu Posting I I I I I I I I II II II II II II II II II II II II
Kehangatan Berita dingin unik unik unik hangat hangat unik unik hangat unik dingin hangat unik unik unik unik unik unik unik unik
Yoast SEO OK Bad Bad OK OK OK OK OK OK OK OK Bad Bad Bad Bad OK OK Bad Bad OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Musik Gosip Gosip Gosip Selebritas Selebritas Gosip Selebritas Gosip Gosip Gosip Selebritas Gosip Ragam Gosip Gosip Gosip Selebritas
Jumlah Label <6 <6 <6 6 s/d 10 <6 <6 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 65 109 105 105 105 148 275 171 182 93 58 116 147 103 128 39 218 167 241 74
Klasifikasi Jumlah Viewer Sedikit Menengah Menengah Menengah Menengah Menengah Banyak Menengah Menengah Sedikit Sedikit Menengah Menengah Menengah Menengah Sedikit Banyak Menengah Banyak Sedikit
129
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120
Waktu Posting III III I I I I I I II II II II II II II II II II II II
Kehangatan Berita unik unik dingin dingin dingin unik unik unik hangat unik hangat dingin dingin unik hangat hangat unik unik unik unik
Yoast SEO OK Bad OK Bad OK Bad OK OK OK OK Bad Bad Bad Bad OK Bad OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Ragam Selebritas Gosip Gosip Musik Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Selebritas
Jumlah Label <6 <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 31 75 164 134 91 140 66 64 118 222 90 126 201 101 182 98 57 151 146 125
Klasifikasi Jumlah Viewer Sedikit Sedikit Menengah Menengah Sedikit Menengah Sedikit Sedikit Menengah Banyak Sedikit Menengah Banyak Menengah Menengah Sedikit Sedikit Menengah Menengah Menengah
130
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140
Waktu Posting II II II II II II II II II II II II II III I I I I I I
Kehangatan Berita unik hangat hangat unik hangat dingin unik hangat hangat unik unik unik hangat unik dingin hangat unik unik hangat dingin
Yoast SEO OK Bad Bad Bad OK Bad Bad OK OK OK OK Bad OK Bad OK OK OK Bad OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Gosip Gosip Selebritas Gosip Musik Gosip Gosip Gosip Selebritas Selebritas Gosip Gosip Selebritas Selebritas Gosip Gosip Selebritas Gosip Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 95 225 146 77 179 91 217 249 266 182 190 136 119 86 75 186 168 151 137 168
Klasifikasi Jumlah Viewer Sedikit Banyak Menengah Sedikit Menengah Sedikit Banyak Banyak Banyak Menengah Menengah Menengah Menengah Sedikit Sedikit Menengah Menengah Menengah Menengah Menengah
131
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160
Waktu Posting I I I I I I II II II II II II II II II II II I I I
Kehangatan Berita unik dingin unik dingin unik unik hangat unik unik unik unik unik hangat unik dingin hangat unik dingin hangat hangat
Yoast SEO OK Bad OK Bad Bad OK OK Bad Bad Bad OK OK OK OK Bad OK OK OK OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Selebritas Gosip Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Ragam Gosip Ragam Gosip Ragam Gosip Selebritas
Jumlah Label <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 <6 <6 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 87 86 244 188 128 285 238 219 123 214 185 98 205 148 163 182 195 92 181 157
Klasifikasi Jumlah Viewer Sedikit Sedikit Banyak Menengah Menengah Banyak Banyak Banyak Menengah Banyak Menengah Sedikit Banyak Menengah Menengah Menengah Menengah Sedikit Menengah Menengah
132
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180
Waktu Posting I I II II II II II II II II II II II II II II II II II II
Kehangatan Berita unik hangat unik unik hangat hangat unik unik hangat unik hangat unik unik dingin unik unik unik unik hangat hangat
Yoast SEO OK OK OK Bad OK Bad Bad OK OK OK OK Bad Bad Bad OK OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Gosip Selebritas Musik Selebritas Gosip Film Gosip Gosip Gosip Ragam Selebritas Gosip Selebritas Selebritas Selebritas Gosip Gosip Musik
Jumlah Label <6 <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 175 218 208 140 65 120 195 159 111 134 121 70 79 125 111 103 267 185 159 128
Klasifikasi Jumlah Viewer Menengah Banyak Banyak Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Sedikit Sedikit Menengah Menengah Menengah Banyak Menengah Menengah Menengah
133
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200
Waktu Posting II III III III III III I I I I II II II II II II II II II II
Kehangatan Berita unik unik unik unik unik unik hangat hangat hangat unik unik unik unik hangat hangat unik hangat hangat unik hangat
Yoast SEO OK OK Bad OK Bad Bad OK OK OK OK OK Bad Bad Bad OK Bad OK Bad OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Ragam Selebritas Gosip Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Musik Gosip Selebritas Gosip Gosip
Jumlah Label <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 160 113 92 181 161 71 254 181 145 234 257 121 138 85 128 74 286 120 203 245
Klasifikasi Jumlah Viewer Menengah Menengah Sedikit Menengah Menengah Sedikit Banyak Menengah Menengah Banyak Banyak Menengah Menengah Sedikit Menengah Sedikit Banyak Menengah Banyak Banyak
134
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220
Waktu Posting II II II III III III III III III I I I II II II II II II II II
Kehangatan Berita unik unik unik hangat hangat unik hangat unik hangat dingin dingin unik unik unik unik hangat hangat hangat unik unik
Yoast SEO OK Bad OK OK OK Bad OK OK Bad OK Bad OK OK OK OK Bad OK Bad OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Ragam Gosip Ragam Gosip Ragam Gosip Gosip Selebritas Gosip Musik Gosip Gosip Gosip Gosip Gosip Gosip Gosip Ragam Ragam
Jumlah Label 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 183 223 266 78 79 35 173 119 118 124 50 140 120 112 170 150 120 210 25 30
Klasifikasi Jumlah Viewer Menengah Banyak Banyak Sedikit Sedikit Sedikit Menengah Menengah Menengah Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Banyak Sedikit Sedikit
135
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240
Waktu Posting II II II III III III III III III I I II II II II II II II II II
Kehangatan Berita unik unik unik unik unik unik unik hangat unik unik unik unik unik unik unik unik hangat unik unik unik
Yoast SEO OK OK OK OK OK OK OK OK OK OK OK Bad OK Bad OK Bad OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Selebritas Selebritas Selebritas Gosip Ragam Gosip Gosip Gosip Gosip Selebritas Selebritas Gosip Gosip Selebritas Selebritas Gosip Gosip Gosip
Jumlah Label 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 202 75 60 78 111 117 29 258 256 268 226 188 84 140 235 238 248 290 90 109
Klasifikasi Jumlah Viewer Banyak Sedikit Sedikit Sedikit Menengah Menengah Sedikit Banyak Banyak Banyak Banyak Menengah Sedikit Menengah Banyak Banyak Banyak Banyak Sedikit Menengah
136
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260
Waktu Posting II II II I I I I I I I I I II II II II II II II II
Kehangatan Berita hangat unik unik hangat hangat unik unik unik unik unik hangat unik hangat unik unik unik hangat unik hangat dingin
Yoast SEO OK OK OK OK OK Bad OK OK Bad OK OK Bad OK OK Bad Bad OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Gosip Gosip Selebritas Film Ragam Musik Musik Gosip Gosip Gosip Gosip Gosip Selebritas Ragam Gosip Ragam Gosip Gosip
Jumlah Label <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 227 105 112 129 201 82 61 58 62 115 82 71 57 120 117 61 127 203 144 96
Klasifikasi Jumlah Viewer Banyak Menengah Menengah Menengah Banyak Sedikit Sedikit Sedikit Sedikit Menengah Sedikit Sedikit Sedikit Menengah Menengah Sedikit Menengah Banyak Menengah Sedikit
137
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280
Waktu Posting II II II II II II II I I I III III III III I I II II II II
Kehangatan Berita hangat unik unik unik dingin hangat unik unik unik unik unik unik unik unik unik unik hangat unik unik unik
Yoast SEO OK OK OK OK OK OK OK Bad OK OK OK Bad Bad Bad OK OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Selebritas Musik Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Selebritas Ragam Selebritas Selebritas Gosip Gosip Gosip Gosip Ragam Ragam
Jumlah Label 6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 145 265 137 184 156 301 271 215 53 95 147 305 132 82 174 207 302 184 109 42
Klasifikasi Jumlah Viewer Menengah Banyak Menengah Menengah Menengah Banyak Banyak Banyak Sedikit Sedikit Menengah Banyak Menengah Sedikit Menengah Banyak Banyak Menengah Menengah Sedikit
138
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300
Waktu Posting II II II II II II II II I I I I II III III III I I I I
Kehangatan Berita unik unik unik unik unik unik unik unik unik hangat hangat unik hangat unik unik unik unik unik unik unik
Yoast SEO
Jumlah Kata
Kategori
Bad OK OK OK OK Bad OK Bad OK OK OK OK OK OK OK OK OK OK OK OK
150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Gosip Gosip Gosip Gosip Gosip Ragam Gosip Selebritas Selebritas Gosip Selebritas Selebritas Gosip Ragam Ragam Selebritas Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 <6 <6 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 169 199 130 136 206 45 208 79 269 281 162 69 194 237 39 85 236 158 196 285
Klasifikasi Jumlah Viewer Menengah Menengah Menengah Menengah Banyak Sedikit Banyak Sedikit Banyak Banyak Menengah Sedikit Menengah Banyak Sedikit Sedikit Banyak Menengah Menengah Banyak
139
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320
Waktu Posting I I I II II II II III III III I II II II II II II II II II
Kehangatan Berita unik unik unik unik unik unik unik unik unik unik unik unik unik unik unik hangat unik hangat unik unik
Yoast SEO
Jumlah Kata
OK OK OK Bad OK OK OK Bad OK OK OK OK OK Bad Bad OK OK OK OK OK
150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Selebritas Selebritas Film Musik Selebritas Gosip Film Gosip Film Selebritas Selebritas Gosip Selebritas Ragam Selebritas Gosip Gosip Gosip Selebritas
Jumlah Label <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 172 103 108 88 132 125 108 131 156 116 219 124 286 224 91 238 137 109 86 300
Klasifikasi Jumlah Viewer Menengah Menengah Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Banyak Menengah Banyak Banyak Sedikit Banyak Menengah Menengah Sedikit Banyak
140
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340
Waktu Posting II II II II II II II II III III III I I II II II II II II II
Kehangatan Berita hangat unik hangat hangat unik hangat hangat unik unik hangat unik unik hangat unik unik unik unik unik unik unik
Yoast SEO
Jumlah Kata
OK OK OK OK OK Bad Bad OK Bad OK Bad Bad OK OK Bad Bad OK OK OK OK
150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300
Kategori Gosip Musik Gosip Gosip Gosip Gosip Ragam Ragam Gosip Selebritas Ragam Gosip Gosip Selebritas Selebritas Selebritas Selebritas Gosip Gosip Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 223 87 171 191 307 268 266 34 239 294 168 258 164 76 121 111 148 163 280 161
Klasifikasi Jumlah Viewer Banyak Sedikit Menengah Menengah Banyak Banyak Banyak Sedikit Banyak Banyak Menengah Banyak Menengah Sedikit Menengah Menengah Menengah Menengah Banyak Menengah
141
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360
Waktu Posting II II II II III III III III I I II II II II II II II II II II
Kehangatan Berita dingin dingin unik unik unik unik unik unik unik unik unik unik unik unik hangat unik unik unik hangat hangat
Yoast SEO OK Bad Bad OK OK OK OK OK OK OK Bad Bad OK Bad Bad OK OK Bad Bad Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Selebritas Gosip Gosip Musik Ragam Ragam Selebritas Musik Gosip Gosip Ragam Gosip Gosip Gosip Gosip Selebritas Gosip Gosip Ragam
Jumlah Label <6 <6 <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 124 86 256 240 74 144 127 241 109 279 97 57 120 171 166 160 296 201 233 243
Klasifikasi Jumlah Viewer Menengah Sedikit Banyak Banyak Sedikit Menengah Menengah Banyak Menengah Banyak Sedikit Sedikit Menengah Menengah Menengah Menengah Banyak Banyak Banyak Banyak
142
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380
Waktu Posting II II II II II II III III III I I I I II II II II II II II
Kehangatan Berita hangat unik hangat unik unik unik unik unik unik unik hangat hangat hangat unik dingin hangat unik unik hangat unik
Yoast SEO Bad OK OK OK Bad Bad OK OK Bad OK OK OK OK OK Bad OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Selebritas Musik Gosip Selebritas Gosip Gosip Ragam Selebritas Selebritas Selebritas Gosip Gosip Gosip Gosip Ragam Gosip Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 121 277 299 174 86 165 70 136 134 259 231 171 149 116 72 135 268 254 157 179
Klasifikasi Jumlah Viewer Menengah Banyak Banyak Menengah Sedikit Menengah Sedikit Menengah Menengah Banyak Banyak Menengah Menengah Menengah Sedikit Menengah Banyak Banyak Menengah Menengah
143
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400
Waktu Posting II II II II II II II II I I I I II II II I I I I I
Kehangatan Berita hangat unik hangat unik unik unik unik unik dingin unik unik hangat unik dingin hangat unik dingin hangat hangat hangat
Yoast SEO Bad OK Bad OK Bad Bad OK OK OK OK OK OK Bad OK Bad OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300 150-300 >300
Kategori Gosip Gosip Ragam Gosip Selebritas Gosip Selebritas Gosip Ragam Gosip Gosip Gosip Gosip Musik Film Selebritas Gosip Ragam Gosip Gosip
Jumlah Label <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 210 205 158 165 100 195 223 238 51 149 171 193 247 86 195 251 119 109 221 176
Klasifikasi Jumlah Viewer Banyak Banyak Menengah Menengah Sedikit Menengah Banyak Banyak Sedikit Menengah Menengah Menengah Banyak Sedikit Menengah Banyak Menengah Menengah Banyak Menengah
144
Tabel Data Kasus yang Telah Dinormalkan (Lanjutan) No 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415
Waktu Posting I I II II II II I I I I II II II II II
Kehangatan Berita unik unik unik unik unik hangat hangat unik unik unik unik hangat hangat unik hangat
Yoast SEO OK Bad Bad OK OK OK OK OK OK OK Bad OK Bad OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Gosip Gosip Gosip Gosip Selebritas Selebritas Selebritas Selebritas Selebritas Ragam Musik Gosip Selebritas Selebritas Gosip
Jumlah Label 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 <6 6 s/d 10
Jumlah Viewer 6 jam pertama 231 139 233 202 105 221 119 178 250 177 86 115 102 193 296
Klasifikasi Jumlah Viewer Banyak Menengah Banyak Banyak Menengah Banyak Menengah Menengah Banyak Menengah Sedikit Menengah Menengah Menengah Banyak
145
LAMPIRAN B Tabel Pengujian Akurasi Skenario Pertama No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Waktu Posting
Kehangatan Berita
I I II I II II II II II II II II II I I II II II II
dingin dingin dingin dingin dingin hangat unik unik unik dingin dingin unik unik dingin unik dingin dingin hangat dingin
Yoast SEO OK OK Bad OK OK OK Bad OK OK Bad Bad OK OK Bad OK Bad OK Bad OK
Jumlah Kata
Kategori
Jumlah Label
>300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Lifestyle Gosip Musik Gosip Gosip Gosip Selebritas Gosip Ragam Selebritas Gosip Lifestyle Gosip Film Gosip Gosip Gosip Ragam Selebritas
6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 93 63 66 78 215 116 70 380 28 64 75 126 72 74 86 102 139 51 142
Klasifikasi Jumlah Viewer Sedikit Sedikit Sedikit Sedikit Banyak Menengah Sedikit Banyak Sedikit Sedikit Sedikit Menengah Sedikit Sedikit Sedikit Menengah Menengah Sedikit Menengah
Hasil Prediksi Menengah Menengah Sedikit Menengah Menengah Menengah Sedikit Banyak Sedikit Sedikit Sedikit Menengah Menengah Sedikit Banyak Sedikit Menengah Sedikit Sedikit
Kesesuaian Tidak Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai
146
Tabel Pengujian Akurasi Skenario Pertama (Lanjutan) No 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Waktu Posting
Kehangatan Berita
Yoast SEO
II III I I II I II II I I II I II II I II II I II II
unik dingin dingin unik unik dingin unik hangat hangat unik unik unik hangat unik hangat hangat unik dingin hangat unik
OK OK OK OK Bad Bad OK OK OK Bad Bad OK OK OK OK Bad OK OK Bad OK
Jumlah Kata
Kategori
Jumlah Label
>300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Selebritas Gosip Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Selebritas
6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 397 231 61 171 128 134 146 266 186 128 123 175 111 267 254 120 183 124 150 60
Klasifikasi Jumlah Viewer Banyak Banyak Sedikit Menengah Menengah Menengah Menengah Banyak Menengah Menengah Menengah Menengah Menengah Banyak Banyak Menengah Menengah Menengah Menengah Sedikit
Hasil Prediksi
Kesesuaian
Banyak Menengah Sedikit Menengah Menengah Sedikit Banyak Menengah Banyak Menengah Menengah Menengah Menengah Banyak Menengah Menengah Banyak Menengah Menengah Menengah
Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai
147
Tabel Pengujian Akurasi Skenario Pertama (Lanjutan) No 40 41 42 43 44 45 46 47 48 49 50
Waktu Posting
Kehangatan Berita
Yoast SEO
I I II I II III II II II III II
unik unik unik hangat unik unik unik unik unik unik unik
OK Bad OK OK OK OK OK OK OK OK Bad
Jumlah Kata
Kategori
Jumlah Label
150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Gosip Musik Selebritas Gosip Gosip Selebritas Gosip Gosip Gosip Ragam Gosip
<6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 6 s/d 10 <6 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 81 62 265 347 208 80 108 527 163 144 198
Klasifikasi Jumlah Viewer Sedikit Sedikit Banyak Banyak Banyak Sedikit Menengah Banyak Menengah Menengah Menengah
Hasil Prediksi
Kesesuaian
Menengah Sedikit Banyak Banyak Banyak Menengah Banyak Menengah Banyak Sedikit Menengah
Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai
148
Tabel Pengujian Akurasi Skenario Kedua No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19
Waktu Posting
Kehangatan Berita
Yoast SEO
I I II I II II II II II II II II II I I II II II II
dingin dingin dingin dingin dingin hangat unik unik unik dingin dingin unik unik dingin unik dingin dingin hangat dingin
OK OK Bad OK OK OK Bad OK OK Bad Bad OK OK Bad OK Bad OK Bad OK
Jumlah Kata
Kategori
Jumlah Label
>300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Lifestyle Gosip Musik Gosip Gosip Gosip Selebritas Gosip Ragam Selebritas Gosip Lifestyle Gosip Film Gosip Gosip Gosip Ragam Selebritas
6 s/d 10 6 s/d 10 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6 <6 <6 6 s/d 10 <6 <6 <6 <6
Jumlah Viewer 6 jam pertama 93 63 66 78 215 116 70 380 28 64 75 126 72 74 86 102 139 51 142
Klasifikasi Jumlah Viewer Sedikit Sedikit Sedikit Sedikit Banyak Menengah Sedikit Banyak Sedikit Sedikit Sedikit Menengah Sedikit Sedikit Sedikit Menengah Menengah Sedikit Menengah
Hasil Prediksi
Kesesuaian
Menengah Menengah Sedikit Menengah Menengah Menengah Sedikit Menengah Sedikit Sedikit Menengah Menengah Menengah Sedikit Menengah Menengah Menengah Sedikit Sedikit
Tidak Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Tidak Sesuai
149
Tabel Pengujian Akurasi Skenario Kedua (Lanjutan) No 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39
Waktu Posting
Kehangatan Berita
II III I I II I II II I I II I II II I II II I II II
unik dingin dingin unik unik dingin unik hangat hangat unik unik unik hangat unik hangat hangat unik dingin hangat unik
Yoast SEO OK OK OK OK Bad Bad OK OK OK Bad Bad OK OK OK OK Bad OK OK Bad OK
Jumlah Kata
Kategori
Jumlah Label
>300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Selebritas Gosip Selebritas Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Selebritas
6 s/d 10 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 <6 6 s/d 10 <6 <6 6 s/d 10 <6 <6 <6
Jumlah Viewer 6 jam pertama 397 231 61 171 128 134 146 266 186 128 123 175 111 267 254 120 183 124 150 60
Klasifikasi Jumlah Viewer Banyak Banyak Sedikit Menengah Menengah Menengah Menengah Banyak Menengah Menengah Menengah Menengah Menengah Banyak Banyak Menengah Menengah Menengah Menengah Sedikit
Hasil Prediksi
Kesesuaian
Banyak Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah
Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai
150
Tabel Pengujian Akurasi Skenario Kedua (Lanjutan) No 40 41 42 43 44 45 46 47 48 49 50
Waktu Posting
Kehangatan Berita
Yoast SEO
I I II I II III II II II III II
unik unik unik hangat unik unik unik unik unik unik unik
OK Bad OK OK OK OK OK OK OK OK Bad
Jumlah Kata
Kategori
Jumlah Label
150-300 150-300 150-300 >300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Gosip Musik Selebritas Gosip Gosip Selebritas Gosip Gosip Gosip Ragam Gosip
<6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 6 s/d 10 <6 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 81 62 265 347 208 80 108 527 163 144 198
Klasifikasi Jumlah Viewer Sedikit Sedikit Banyak Banyak Banyak Sedikit Menengah Banyak Menengah Menengah Menengah
Hasil Prediksi
Kesesuaian
Menengah Sedikit Menengah Banyak Menengah Sedikit Menengah Menengah Menengah Sedikit Menengah
Tidak Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai
151
Tabel Pengujian Akurasi Skenario Ketiga No
Waktu Posting
Kehangatan Berita
Yoast SEO
Jumlah Kata
Kategori
Jumlah Label
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
I I I I I II II II II II II II II II II II II II II II
unik unik hangat hangat unik unik unik dingin dingin dingin dingin dingin dingin dingin hangat dingin dingin dingin unik dingin
OK OK OK OK OK OK OK Bad OK Bad OK Bad Bad OK Bad OK Bad OK OK Bad
150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 <150
Gosip Selebritas Gosip Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip
6 s/d 10 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 241 217 234 203 423 297 235 236 160 161 164 233 189 208 101 124 192 190 277 190
Klasifikasi Jumlah Viewer Banyak Banyak Banyak Banyak Banyak Banyak Banyak Banyak Menengah Menengah Menengah Banyak Menengah Banyak Menengah Menengah Menengah Menengah Banyak Menengah
Hasil Prediksi
Kesesuaian
Banyak Menengah Banyak Banyak Banyak Banyak Banyak Sedikit Menengah Sedikit Banyak Sedikit Menengah Menengah Banyak Banyak Menengah Banyak Menengah Sedikit
Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai
152
Tabel Pengujian Akurasi Skenario Ketiga (Lanjutan) No 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Waktu Posting II II II II II II II II II II II II II II II II II II II II
Kehangatan Berita hangat hangat dingin unik dingin hangat hangat unik unik unik unik hangat hangat unik unik unik unik unik unik unik
Yoast SEO OK OK Bad Bad OK OK Bad Bad OK Bad OK OK OK OK OK OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300
Kategori Gosip Gosip Gosip Ragam Gosip Gosip Ragam Gosip Gosip Gosip Ragam Ragam Gosip Gosip Ragam Gosip Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 236 74 114 97 103 109 123 154 122 106 52 286 197 160 186 160 375 430 783 204
Klasifikasi Jumlah Viewer Banyak Sedikit Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Sedikit Banyak Menengah Menengah Menengah Menengah Banyak Banyak Banyak Banyak
Hasil Prediksi Menengah Menengah Sedikit Sedikit Banyak Banyak Banyak Menengah Menengah Banyak Sedikit Banyak Menengah Menengah Sedikit Banyak Banyak Banyak Banyak Menengah
Kesesuaian Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Tidak Sesuai
153
Tabel Pengujian Akurasi Skenario Ketiga (Lanjutan) No 41 42 43 44 45 46 47 48 49 50
Waktu Posting II II II II II II II II II II
Kehangatan Berita dingin dingin unik dingin unik dingin unik unik unik unik
Yoast SEO OK Bad OK OK OK OK OK OK OK OK
Jumlah Kata 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Ragam Ragam Gosip Gosip Selebritas Gosip Gosip Selebritas Gosip Gosip
Jumlah Label 6 s/d 10 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10
Jumlah Viewer 6 jam pertama 194 261 188 178 165 134 152 161 131 173
Klasifikasi Jumlah Viewer Menengah Banyak Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah
Hasil Prediksi Sedikit Sedikit Banyak Banyak Banyak Menengah Menengah Banyak Banyak Banyak
Kesesuaian Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai
154
Tabel Pengujian Akurasi Skenario Keempat No 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
Waktu Posting I I I I I II II II II II II II II II II II II II II II
Kehangatan Berita unik unik hangat hangat unik unik unik dingin dingin dingin dingin dingin dingin dingin hangat dingin dingin dingin unik dingin
Yoast SEO OK OK OK OK OK OK OK Bad OK Bad OK Bad Bad OK Bad OK Bad OK OK Bad
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 <150 150-300 150-300 <150
Kategori Gosip Selebritas Gosip Gosip Selebritas Gosip Selebritas Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip Gosip
Jumlah Label 6 s/d 10 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 <6 6 s/d 10 <6 6 s/d 10 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6
Jumlah Viewer 6 jam pertama 241 217 234 203 423 297 235 236 160 161 164 233 189 208 101 124 192 190 277 190
Klasifikasi Jumlah Viewer Banyak Banyak Banyak Banyak Banyak Banyak Banyak Banyak Menengah Menengah Menengah Banyak Menengah Banyak Menengah Menengah Menengah Menengah Banyak Menengah
Hasil Prediksi Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah Sedikit
Kesesuaian Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Tidak Sesuai
155
Tabel Pengujian Akurasi Skenario Keempat (Lanjutan) No 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40
Waktu Posting II II II II II II II II II II II II II II II II II II II II
Kehangatan Berita hangat hangat dingin unik dingin hangat hangat unik unik unik unik hangat hangat unik unik unik unik unik unik unik
Yoast SEO OK OK Bad Bad OK OK Bad Bad OK Bad OK OK OK OK OK OK OK OK OK OK
Jumlah Kata 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300 >300 150-300 150-300
Kategori Gosip Gosip Gosip Ragam Gosip Gosip Ragam Gosip Gosip Gosip Ragam Ragam Gosip Gosip Ragam Gosip Gosip Gosip Gosip Gosip
Jumlah Label <6 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 <6 6 s/d 10 <6 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10 6 s/d 10 <6
Jumlah Viewer 6 jam pertama 236 74 114 97 103 109 123 154 122 106 52 286 197 160 186 160 375 430 783 204
Klasifikasi Jumlah Viewer Banyak Sedikit Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Sedikit Banyak Menengah Menengah Menengah Menengah Banyak Banyak Banyak Banyak
Hasil Prediksi Menengah Menengah Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Sedikit Menengah Menengah Menengah Sedikit Menengah Menengah Banyak Menengah Menengah
Kesesuaian Tidak Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Sesuai Tidak Sesuai Tidak Sesuai
156
Tabel Pengujian Akurasi Skenario Keempat (Lanjutan) No 41 42 43 44 45 46 47 48 49 50
Waktu Posting II II II II II II II II II II
Kehangatan Berita dingin dingin unik dingin unik dingin unik unik unik unik
Yoast SEO OK Bad OK OK OK OK OK OK OK OK
Jumlah Kata 150-300 <150 150-300 150-300 150-300 150-300 150-300 150-300 150-300 150-300
Kategori Ragam Ragam Gosip Gosip Selebritas Gosip Gosip Selebritas Gosip Gosip
Jumlah Label 6 s/d 10 <6 6 s/d 10 6 s/d 10 6 s/d 10 <6 <6 6 s/d 10 6 s/d 10 6 s/d 10
Jumlah Viewer 6 jam pertama 194 261 188 178 165 134 152 161 131 173
Klasifikasi Jumlah Viewer Menengah Banyak Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah
Hasil Prediksi Menengah Sedikit Menengah Menengah Menengah Menengah Menengah Menengah Menengah Menengah
Kesesuaian Sesuai Tidak Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai Sesuai
CURICULUM VITAE Identitas Diri Nama
: Yoga Pratama
Tempat, Tanggal Lahir : Temanggung, 16 Juni 1994 Kewarganegaraan
: Indonesia
Agama
: Islam
Jenis Kelamin
: Laki-laki
Golongan Darah
:A
Email
:
[email protected]
Kontak
: +6285717616279
Riwayat Pendidikan 2000-2006
: SD Negeri 3 Parakan Kauman
2006-2009
: SMP Negeri 1 Parakan
2009-2012
: SMA Negeri 1 Parakan
2012-2016
: S1 Teknik Informatika UIN Sunan Kalijaga Yogyakarta
157
