Analisis sentimen adalah cabang penelitian text mining yang melakukan proses dalam klasifikasi pada dokumen teks. Analisis sentimen merupakan mengekstrasi pendapat, emosi dan evaluasi seseorang yang tertulis mengenai suatu topik tertentu dengan memanfaatkan teknik pemrosesan bahasa alami. Peneliti melakukan penelitian tentang analisis sentimen pada rating aplikasi Shopee dengan menggunakan metode  Decision Tree. Tujuan penelitian ini untuk mengetahui tingkat keakurasian dan mengetahui pendapat pengguna mengenai aplikasi Shopee ini. Hasil penelitian dengan menggunakan algoritma Decision Tree dengan SMOTE (Synthetic Minority Oversampling Technique) nilai accuracy-nya menghasilkan 99,91 persen, AUC (Area Under Curve) 0,999, recall 99,88 persen dan nilai precision 99,98 persen. Hasil menggunakan algoritma Decision Tree tanpa SMOTE nilai accuracynya menghasilkan 99,89 persen, AUC (Area Under Curve) 0,950, recall 99,88 persen dan nilai precision 99,98 persen. Dari hasil evaluasi yang ada dapat ditarik kesimpulan SMOTE dapat berpengaruh terhadap nilai accuracy dan AUC (Area Under Curve), serta untuk nilai recall dan precision tidak berpengaruh atau hasilnya tetap sama walau menggunakan SMOTE atau tanpa SMOTE. Selisih nilai accuracy yang didapat adalah 0,02 persen dan untuk AUC-nya sebesar 0.049.

Optimized Link State Routing (OLSR)is one of the two standard for mesh networks. OLSR is a link state routing protocol, which use hallo message and topology control (TC) to determine the link state information across the mobile ad-hoc network. OLSR is widely used in the wireless mesh network. Raspberry Pi is a mini computer which can be used as a node router to replace the function of a router in a wireless mesh network. In this research, Raspberry Pi is used as a router nodes to determine the performance of routing protocol OLSR. The parameters used to measure its performance is self-configure time, self-healing and bandwidth usage. The test results showed that the use of routing protocols OLSR on the Raspberry Pi in a wireless mesh network proved able to repair itself if there is a problem on the network since it has ability to self-configure and self-healing.