Klasifikasi Multilabel Menggunakan Metode Fuzzy Similarity K-Nearest Neighbor untuk Rekomendasi Pencarian Artikel Online
| Main Author: | Lubis, Wahyuni |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13992/1/Wahyuni%20Lubis.pdf http://repository.ub.ac.id/13992/ |
Daftar Isi:
- Artikel adalah karya tulis dari pendapat seseorang yang membahas suatu masalah tertentu yang bersifat aktual dan terkadang bersifat kontroversial untuk memberitahu, mempengaruhi, meyakinkan, dan menghibur pembaca. Perkembangan teknologi yang pesat menyebabkan banyaknya artikel yang ditulis secara online. Setiap artikel online memiliki label yang berbeda-beda, dan memungkinkan setiap artikel memiliki lebih dari satu label. Jumlah artikel online yang ada di internet setiap harinya semakin bertambah yang membuat pembaca kesulitan dalam menemukan informasi yang diinginkan. Klasifikasi yang tepat bisa meningkatkan kualitas information retrieval. Metode Fuzzy Similarity K-Nearest Neighbor adalah metode klasifikasi multilabel yang menggabungkan metode Fuzzy Similarity Measure dan MLKNN. Pada penelitian sebelumnya metode FSKNN memiliki kecepatan lebih baik dalam melakukan komputasi k tetangga terdekat dan performa yang lebih baik dari metode MLKNN. Langkah-langkah yang dilakukan pada penelitian ini adalah melakukan text preprocessing, pembobotan, clustering dokumen, klasifikasi dan proses pencarian. Pada penelitian ini didapatkan nilai optimal F1 dan BEP sebesar 0,933 dan 0,937 pada k=1 dan alpha=0,5. Pada proses rekomendasi pencarian artikel online menggunakan metode FSKNN didapatkan nilai precision tertinggi sebesar 0,5 dan recall 0,8. Dari hasil F1 dab BEP yang didapat, menunjukkan bahwa metode FSKNN cukup baik untuk melakukan klasifikasi multilabel artikel online.