Klasifikasi Dokumen Menggunakan Support Vector Machine Dan Mutual Information
Total View This Week0
Total View This Week0
Institusion
Universitas Komputer Indonesia
Author
Kristiani, Sherly Amanda
Subject
004_Data Processing & Computer Science
Datestamp
2020-06-11 07:37:34
Abstract :
Klasifikasi dokumen adalah proses pengelompokan dokumen kedalam satu kategori yang memiliki fitur kata yang sama. Penelitian ini akan mengklasifikasi dokumen abstrak tugas akhir berdasarkan machine learning menggunakan Support Vector Machine (SVM) dan seleksi fitur berupa Mutual Information (MI). Seleksi fitur Mutual Information (MI) digunakan untuk dapat menentukan suatu kata yang menjadi ciri khas atau kata unik yang digunakan dalam dokumen abstrak tugas akhir yang akan diklasifikasikan. Tujuannya agar klasifikasi dokumen abstrak menggunakan Support Vector Machine (SVM) dapat menghasilkan akurasi yang lebih baik. Tahapan yang dilakukan diantaranya preprocessing, pembobotan tf-idf, seleksi fitur Mutual Information (MI) dan klasifikasi untuk menentukan kategori dokumen abstrak tugas akhir. Pengujian dilakukan dengan cara membandingkan klasifikasi dengan proses seleksi fitur Mutual Information (MI) maupun tanpa seleksi fitur. Hasil pengujian untuk penggunaan Mutual Information (MI) didapatkan akurasi sebesar 94%, dan tanpa penggunaan Mutual Information (MI) sebesar 94%. Berdasarkan hasil ini disimpulkan bahwa penggunaan seleksi fitur Mutual Information (MI) pada klasifikasi dokumen abstrak tidak memiliki perbedaan yang signifikan.
Klasifikasi dokumen adalah proses pengelompokan dokumen kedalam satu kategori yang memiliki fitur kata yang sama. Penelitian ini akan mengklasifikasi dokumen abstrak tugas akhir berdasarkan machine learning menggunakan Support Vector Machine (SVM) dan seleksi fitur berupa Mutual Information (MI). Seleksi fitur Mutual Information (MI) digunakan untuk dapat menentukan suatu kata yang menjadi ciri khas atau kata unik yang digunakan dalam dokumen abstrak tugas akhir yang akan diklasifikasikan. Tujuannya agar klasifikasi dokumen abstrak menggunakan Support Vector Machine (SVM) dapat menghasilkan akurasi yang lebih baik. Tahapan yang dilakukan diantaranya preprocessing, pembobotan tf-idf, seleksi fitur Mutual Information (MI) dan klasifikasi untuk menentukan kategori dokumen abstrak tugas akhir. Pengujian dilakukan dengan cara membandingkan klasifikasi dengan proses seleksi fitur Mutual Information (MI) maupun tanpa seleksi fitur. Hasil pengujian untuk penggunaan Mutual Information (MI) didapatkan akurasi sebesar 94%, dan tanpa penggunaan Mutual Information (MI) sebesar 94%. Berdasarkan hasil ini disimpulkan bahwa penggunaan seleksi fitur Mutual Information (MI) pada klasifikasi dokumen abstrak tidak memiliki perbedaan yang signifikan.
File :
UNIKOM_SHERLY AMANDA KRISTIANI_COVER.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_LEMBAR PENGESAHAN.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_BAB 5.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_JURNAL BAHASA INDONESIA.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_JURNAL BAHASA INGGRIS.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_BIODATA.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_SURAT KETERANGAN PERSETUJUAN PUBLIKASI.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_SURAT PERNYATAAN ORISINALITAS.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_KATA PENGANTAR.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_DAFTAR ISI.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_BAB 1.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_BAB 2.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_BAB 3.pdf
UNIKOM_SHERLY AMANDA KRISTIANI_BAB 4.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
