Implementasi Cosine Similarity untuk Peningkatan Akurasi Pengukuran Kesamaan Dokumen pada Klasifikasi Dokumen Berita dengan K Nearest Neighbour
| Main Authors: | Firdaus, Firdaus; RSUP Dr. Wahidin Sudirohusodo, Makassar, Pasnur, Pasnur; STMIK AKBA, Makassar, Wabdillah, Wabdillah; STMIK AKBA, Makassar |
|---|---|
| Format: | Article info application/pdf Journal |
| Bahasa: | ind |
| Terbitan: |
STMIK AKBA
, 2019
|
| Subjects: | |
| Online Access: |
https://jurnal.akba.ac.id/index.php/inspiration/article/view/2496 https://jurnal.akba.ac.id/index.php/inspiration/article/view/2496/135 |
Daftar Isi:
- Klasifikasi dokumen berita secara otomatis menggunakan komputer diusulkan agar lebih efisien dalam memproses dokumen dalam jumlah banyak. Metode klasifikasi K-Nearest Neighbour yang menggunakan Euclidean Distance sebagai metode pengukuran kesamaan dokumen kurang akurat karena dipengaruhi oleh panjang dokumen. Dokumen yang mirip tetapi memiliki panjang dokumen yang berbeda mungkin memiliki nilai jarak yang tinggi. Tujuan penelitian ini adalah mengimplementasikan Cosine Similarity untuk meningkatkan akurasi pengukuran kesamaan dokumen pada klasifikasi dokumen berita dengan metode K-Nearest Neighbor. Pada penelitian ini diusulkan Cosine Similarity sebagai metode pengukuran kesamaan dokumen berita. Cosine Similarity menghitung kesamaan antar dua buah dokumen berdasarkan besar sudut cosinus. Hasil penelitian menunjukkan bahwa implementasi Cosine Similarity dapat meningkatkan akurasi pengukuran kesamaan dokumen pada klasifikasi dokumen berita dengan metode K-Nearest Neighbour. Rata-rata akurasi metode K-Nearest Neighbour dengan Cosine Similarity adalah 98,12%, sedangkan akurasi metode K-Nearest Neighbour dengan Euclidean Distance adalah 56,51%.