@thesis{thesis,
		author={Muttaqin  M. Rifqi},
		title ={Implementasi Smooth Support Vector Machine (Ssvm) Dan Information Gain (Ig) Untuk Klasifikasi Proposal Skripsi Berdasarkan Kelompok Keilmuan},
		year={2021},
		url={http://elibrary.unikom.ac.id/id/eprint/4861/},
		abstract={Skripsi  teknik informatika di suatu Universitas XYZ memiliki 5 jenis kelas, masing-masing kelas memiliki kalimat atau kata-kata yang membedakan setiap kelasnya. Para mahasiswa/mahasiswi akan membuat terlebih dahulu usulan penelitian atau disebut proposal skripsi yang akan diajukan ke panitia sidang proposal skripsi. Dalam hal ini masih terjadi salah pemilihan judul serta tema proposal skripsi yang terjadi pada mahasiswa. Dari sekian banyaknya metode untuk melakukan klasifikasi teks, penelitian ini dilakukan dengan menggunakan metode klasifikasi SSVM dan bantuan feature selection Information Gain. SSVM dan Information Gain digunakan untuk mengetahui tingkat akurasi dari klasifikasi laporan skripsi. Data yang digunakan 150 abstrak laporan skripsi prodi teknik informatika dikumpulkan dalam format *.csv, 100 dokumen digunakan sebagai data latih dan 50 dokumen digunakan sebagai data latih. Selanjutnya akan digunakan sebagai data masukan pelatihan dan pengujian. Data masukan diproses melalui tahap preprocessing yang kemudian diberi feature selection Information Gain untuk diklasifikasi dengan  metode SSVM sehingga mendapatkan data pelatihan untuk menguji data abstrak pada data uji.	Berdasarkan hasil penelitian menunjukkan bahwa klasifikasi dokumen menggunakan metode SSVM dan seleksi fitur Information Gain untuk menklasifikasikan abstrak skripsi. Menghasilkan rasio akurasi sebesar 56%.}
		}