Text Mining Klasifikasi Soal Biologi Sekolah Menengah Atas Dengan Metode Improved Knn
| Main Author: | Rizki, AfianSyafaadi |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/145977/1/BAB_I.pdf http://repository.ub.ac.id/145977/1/BAB_III.pdf http://repository.ub.ac.id/145977/2/BAB_II.pdf http://repository.ub.ac.id/145977/2/BAB_IV.pdf http://repository.ub.ac.id/145977/3/BAB_VI.pdf http://repository.ub.ac.id/145977/4/BAB_V.pdf http://repository.ub.ac.id/145977/5/COVER%2BDAFTAR_ISI.pdf http://repository.ub.ac.id/145977/6/DAFTAR_PUSTAKA.pdf http://repository.ub.ac.id/145977/ |
Daftar Isi:
- Diketahui Bahwa Siswa Akan Belkajar Lebih Efektif Jika Soal-Soal Latihan Dikelompokkan Berdasarkan Katagori Yang Mereka Inginkan. Dalam Penelitian Ini, Algoritma Pengklasifiksian Akan Diterapkan Untuk Mengkategorikan Soal-Soal Biologi Sekolah Menengah Atas Kedalam Empat Kategori Yaitu: Hewan, Tumbuhan Protista, Ekosistem. Algoritma K-Nearest Neighbour Adalak Salah Satu Olgoritmayang Sering Di Gunakan Untuk Menyesaikan Permasalahan Klafikasi. Dalam Algoritma K-Nearest Neighbour, Proses Klafikasi Dilakukan Setelah Menentukan Nilai K. Nilai K Adalah Jumlah Dokumen Terdekat Terhadap Data Uji. Tetepati Algoritma K-Nearest Neighbour Memiliki Kelemahan Pada Nilai K Yang Tetap Untuk Setiap Kelas. Untuk Mengatasi Problem Ini, Digunakan Algoritma Improved K- Nearest Neighbour, Pada Algoritma Improved K- Nearest Neighbour Di Gukan Nilai K-Yang Berbeda Untuk Setiap Kelas Berdasarkan Distribusi Data Latih. Dari Hasil Pngujian, Didapatkan Rata-Rata Nilai F1-Meansure 91,31%. Dari Hasil Pengujian Stemming Didapatkan Rata-Rata Nilai F1-Meansure 91,45%. Dari Hasil Pengujian Data Latih Tidak Seimbang Didapat Rata-Rata Nilai F1-Meansure 77,80%