Alifian Sukma (2015) IMPLEMENTASI SISTEM TEMU KEMBALI INFORMASI KLASIFIKASI JURNAL DENGAN MENGGUNAKAN K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text 1.cover.pdf Download (308kB)
	Text 2.abstrak.pdf Download (358kB)
	Text 3.daftar isi.pdf Download (286kB)
	Text 4.bab 1.pdf Download (279kB)
	Text 5.bab 2.pdf Restricted to Registered users only until 23 January 2023. Download (554kB) | Request a copy
	Text 6.bab 3.pdf Restricted to Registered users only until 23 January 2023. Download (285kB) | Request a copy
	Text 7.bab 4.pdf Restricted to Registered users only until 23 January 2023. Download (862kB) | Request a copy
	Text 8.daftar pustaka.pdf Download (266kB)
	Text 9.lampiran.pdf Restricted to Registered users only until 23 January 2023. Download (813kB) | Request a copy

Abstract

Dengan banyaknya jumlah dokumen yang tersedia, mulai dari bidang akademik sampai non-akademik menyebabkan mahasiswa sering merasa kesulitan dalam mendapatkan dokumen yang dibutuhkan sebagai dasar atau landasan literatur. Perlu adanya suatu sistem yang dapat memberikan kemudahan dalam mengklasifikasikan suatu dokumen berdasarkan pada kategori yang sesuai. Penelitian ini bertujuan untuk membuat suatu sistem yang mampu mengklasifikasikan suatu dokumen berdasarkan kategori yang sesuai dengan menggunakan metode k-Nearest Neighbor. Sistem temu kembali klasifikasi jurnal ini dilakukan dalam 3 tahap. Tahap pertama adalah pengumpulan data dan informasi berupa jurnal. Tahap kedua adalah analisis sistem yang meliputi proses pengolahan dengan menggunakan text mining, pembobotan pada setiap token dengan menggunakan term frequency-inverse document frequency (TF-IDF), menghitung tingkat kesamaan atau similarity dari tiap dokumen dengan menggunakan cosinus similarity dan melakukan klasifikasi dengan menggunakan k-Nearest Neighbor. Tahap ketiga adalah implementasi sistem berbasis desktop dengan menggunakan Netbeans dan MySql. Tahap keempat adalah evaluasi sistem dengan membandingkan nilai F-Measures dari nilai k yang digunakan. Berdasarkan hasil uji coba, dengan menggunakan total dokumen sebanyak 180 dokumen yang terdiri dari 40 dokumen training untuk setiap kategori yaitu Physical Sciences and Engineering, Life Sciences, Health Sciences, dan Social Sciences and Humanities dan 20 dokumen testing menghasilkan nilai Recall sebesar 0.539 ,Precision sebesar 0.501, dan F-Measures sebesar 0.5193 pada nilai k = 43.

Actions (login required)

View Item