Cover Image

Pengklasifikasian Kritik Dan Saran Dengan Menggunakan Metode Fuzzy K-Nearest Neighbour (F-KNN)

Main Author: Alfiyanto, Eko
Format: Thesis NonPeerReviewed Book
Bahasa: eng
Terbitan: , 2014
Subjects:
005 Computer programming
programs
data
Online Access: http://repository.ub.ac.id/145981/1/SKRIPSI_EKO__0810960043_%28fix%29.pdf
http://repository.ub.ac.id/145981/
ctrlnum 145981
fullrecord <?xml version="1.0"?> <dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/145981/</relation><title>Pengklasifikasian Kritik Dan Saran Dengan Menggunakan Metode Fuzzy K-Nearest Neighbour (F-KNN).</title><creator>Alfiyanto, Eko</creator><subject>005 Computer programming, programs, data</subject><description>Kritik dan saran merupakan sebuah pendukung dari perkembangan suatu instansi. Kritik dan saran dapat menjadi ide ataupun informasi tentang kelemahan yang ada pada instansi tersebut. Semakin bertambahnya kritik dan saran terhadap suatu instansi tersebut dibutuhkan pengklasifikasian terhadap kritik dan saran berdasarkan topik yang dibahas sehingga perbaikan dan perkembangan dapat lebih cepat dilaksanakan. Pada penelitian ini digunakan metode Fuzzy k-Nearest Neighbour yang merupakan gabungan dari logika Fuzzy dan k-NN. Pada pengklasifikasian kritik dan saran ini, data uji yang akan diklasifikasi akan diberikan nilai keanggotaan untuk tiap kelas berdasarkan sejumlah k dokumen dengan nilai kemiripan atau nilai jarak yang tertinggi. Proses klasifikasi dilakukan dengan memilih nilai keanggotaan kelas tertinggi pada data uji tersebut. Pada penelitian ini dilakukan pengujian 50 data uji terhadap penggunaan data latih sebanyak 50, 75, 100, 125, 150, dan 175 data dan didapatkan hasil nilai f-measure paling tinggi yaitu 0,50455 pada penggunaan data latih 175 data dengan nilai k = 2. Pengujian metode pencarian jarak membandingkan antara metode cosine similarity dan eulidean distance, diperoleh hasil nilai f-measure pada penggunaan metode cosine similarity lebih baik dibandingkan metode euclidean distance.</description><date>2014-07-21</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/145981/1/SKRIPSI_EKO__0810960043_%28fix%29.pdf</identifier><identifier> Alfiyanto, Eko (2014) Pengklasifikasian Kritik Dan Saran Dengan Menggunakan Metode Fuzzy K-Nearest Neighbour (F-KNN). Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2014/194/051405114</relation><recordID>145981</recordID></dc>
language eng
format Thesis:Thesis
Thesis
PeerReview:NonPeerReviewed
PeerReview
Book:Book
Book
author Alfiyanto, Eko
title Pengklasifikasian Kritik Dan Saran Dengan Menggunakan Metode Fuzzy K-Nearest Neighbour (F-KNN)
publishDate 2014
isbn 9780810960046
topic 005 Computer programming
programs
data
url http://repository.ub.ac.id/145981/1/SKRIPSI_EKO__0810960043_%28fix%29.pdf
http://repository.ub.ac.id/145981/
contents Kritik dan saran merupakan sebuah pendukung dari perkembangan suatu instansi. Kritik dan saran dapat menjadi ide ataupun informasi tentang kelemahan yang ada pada instansi tersebut. Semakin bertambahnya kritik dan saran terhadap suatu instansi tersebut dibutuhkan pengklasifikasian terhadap kritik dan saran berdasarkan topik yang dibahas sehingga perbaikan dan perkembangan dapat lebih cepat dilaksanakan. Pada penelitian ini digunakan metode Fuzzy k-Nearest Neighbour yang merupakan gabungan dari logika Fuzzy dan k-NN. Pada pengklasifikasian kritik dan saran ini, data uji yang akan diklasifikasi akan diberikan nilai keanggotaan untuk tiap kelas berdasarkan sejumlah k dokumen dengan nilai kemiripan atau nilai jarak yang tertinggi. Proses klasifikasi dilakukan dengan memilih nilai keanggotaan kelas tertinggi pada data uji tersebut. Pada penelitian ini dilakukan pengujian 50 data uji terhadap penggunaan data latih sebanyak 50, 75, 100, 125, 150, dan 175 data dan didapatkan hasil nilai f-measure paling tinggi yaitu 0,50455 pada penggunaan data latih 175 data dengan nilai k = 2. Pengujian metode pencarian jarak membandingkan antara metode cosine similarity dan eulidean distance, diperoleh hasil nilai f-measure pada penggunaan metode cosine similarity lebih baik dibandingkan metode euclidean distance.
id IOS4666.145981
institution Universitas Brawijaya
affiliation mill.onesearch.id
fkp2tn.onesearch.id
institution_id 30
institution_type library:university
library
library Perpustakaan Universitas Brawijaya
library_id 480
collection Repository Universitas Brawijaya
repository_id 4666
subject_area Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia*
city MALANG
province JAWA TIMUR
shared_to_ipusnas_str 1
repoId IOS4666
first_indexed 2021-10-27T08:47:58Z
last_indexed 2021-10-28T07:33:31Z
recordtype dc
_version_ 1751454637590839296
score 17.538404

Lihat Juga