Klasifikasi Dokumen Abstrak Skripsi Berdasarkan Fokus Penelitian Di Bidang Komputasi Cerdas Menggunakan Bm25 Dan K-Nearest Neighbor
| Main Author: | Binawan, Deri Hendra |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/169247/1/Deri%20Hendra%20Binawan%20%282%29.pdf http://repository.ub.ac.id/169247/ |
| ctrlnum |
169247 |
|---|---|
| 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/169247/</relation><title>Klasifikasi Dokumen Abstrak Skripsi Berdasarkan
Fokus Penelitian Di Bidang Komputasi Cerdas
Menggunakan Bm25 Dan K-Nearest Neighbor</title><creator>Binawan, Deri Hendra</creator><subject>001.012 Classification</subject><description>Salah satu proses yang dapat dilakukan di text mining adalah pengelompokan
dokumen teks. Permasalahan yang berkaitan dengan pengelompokan dokumen
teks ditemukan di perguruan tinggi khususnya di ruang baca Fakultas Ilmu
Komputer Universitas Brawijaya (FILKOM UB). Permasalahannya adalah belum
adanya proses pengelompokan dokumen skripsi secara otomatis. Pengelompokan
dokumen skripsi di ruang baca FILKOM UB masih belum tertata sesuai dengan
fokus penelitian yang ada. Pengelompokan tersebut dapat diselesaikan
menggunakan metode BM25 dan K-Nearest Neighbor. Proses yang dilakukan
adalah melakukan pre-processing dokumen, perhitungan score BM25 tiap
dokumen, dan proses klasifikasi menggunakan algoritme K-Nearest Neighbor.
Proses pengujian pada penelitian ini menggunakan k-fold sebanyak 10. Setiap
pengujian menggunakan data testing sebanyak 31 dokumen dan data training
sebanyak 300 dokumen. Hasil rata-rata yang diperoleh pada tiap pengujian
menghasilkan hasil terbaik pada nilai k=11 dengan nilai f-measure sebesar 0,9092,
recall sebesar 0,9087, dan precision sebesar 0,9265, sedangkan untuk nilai k yang
semakin besar, hasil f-measure, recall, dan precision mengalami penurunan. Oleh
karena itu, metode BM25 dan K-Nearest Neighbor dapat diterapkan pada proses
klasifikasi dokumen abstrak skripsi berdasarkan fokus penelitian di bidang
Komputasi Cerdas dan untuk hasil yang klasifikasi pada penelitian ini berada pada
nilai k yang kecil, untuk nilai k yang semakin besar proses klasifikasi berjalan
kurang maksimal</description><date>2019-01-02</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/169247/1/Deri%20Hendra%20Binawan%20%282%29.pdf</identifier><identifier> Binawan, Deri Hendra (2019) Klasifikasi Dokumen Abstrak Skripsi Berdasarkan Fokus Penelitian Di Bidang Komputasi Cerdas Menggunakan Bm25 Dan K-Nearest Neighbor. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FILKOM/2019/121/051902291</relation><recordID>169247</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Binawan, Deri Hendra |
| title |
Klasifikasi Dokumen Abstrak Skripsi Berdasarkan
Fokus Penelitian Di Bidang Komputasi Cerdas
Menggunakan Bm25 Dan K-Nearest Neighbor |
| publishDate |
2019 |
| topic |
001.012 Classification |
| url |
http://repository.ub.ac.id/169247/1/Deri%20Hendra%20Binawan%20%282%29.pdf http://repository.ub.ac.id/169247/ |
| contents |
Salah satu proses yang dapat dilakukan di text mining adalah pengelompokan
dokumen teks. Permasalahan yang berkaitan dengan pengelompokan dokumen
teks ditemukan di perguruan tinggi khususnya di ruang baca Fakultas Ilmu
Komputer Universitas Brawijaya (FILKOM UB). Permasalahannya adalah belum
adanya proses pengelompokan dokumen skripsi secara otomatis. Pengelompokan
dokumen skripsi di ruang baca FILKOM UB masih belum tertata sesuai dengan
fokus penelitian yang ada. Pengelompokan tersebut dapat diselesaikan
menggunakan metode BM25 dan K-Nearest Neighbor. Proses yang dilakukan
adalah melakukan pre-processing dokumen, perhitungan score BM25 tiap
dokumen, dan proses klasifikasi menggunakan algoritme K-Nearest Neighbor.
Proses pengujian pada penelitian ini menggunakan k-fold sebanyak 10. Setiap
pengujian menggunakan data testing sebanyak 31 dokumen dan data training
sebanyak 300 dokumen. Hasil rata-rata yang diperoleh pada tiap pengujian
menghasilkan hasil terbaik pada nilai k=11 dengan nilai f-measure sebesar 0,9092,
recall sebesar 0,9087, dan precision sebesar 0,9265, sedangkan untuk nilai k yang
semakin besar, hasil f-measure, recall, dan precision mengalami penurunan. Oleh
karena itu, metode BM25 dan K-Nearest Neighbor dapat diterapkan pada proses
klasifikasi dokumen abstrak skripsi berdasarkan fokus penelitian di bidang
Komputasi Cerdas dan untuk hasil yang klasifikasi pada penelitian ini berada pada
nilai k yang kecil, untuk nilai k yang semakin besar proses klasifikasi berjalan
kurang maksimal |
| id |
IOS4666.169247 |
| 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 |
2021-10-28T06:53:39Z |
| last_indexed |
2021-10-28T06:53:39Z |
| recordtype |
dc |
| _version_ |
1751454137222955008 |
| score |
17.538404 |