PENERAPAN NAÏVE BAYES CLASSIFIER DALAM PENGKLASIFIKASIAN JURNAL TUGAS AKHIR

Deni Prayitno, - (2010) PENERAPAN NAÏVE BAYES CLASSIFIER DALAM PENGKLASIFIKASIAN JURNAL TUGAS AKHIR. S1 thesis, Universitas Pendidikan Indonesia.

	Text s_kom_056162_table-of_content.pdf Download (256kB)
	Text s_kom_056162_chapter1.pdf Download (277kB)
	Text s_kom_056162_chapter2.pdf Restricted to Staf Perpustakaan Download (456kB)
	Text s_kom_056162_chapter3.pdf Download (309kB)
	Text s_kom_056162_chapter4.pdf Restricted to Staf Perpustakaan Download (1MB)
	Text s_kom_056162_chapter5.pdf Download (262kB)
	Text s_kom_056162_bibliography.pdf Download (243kB)

Abstract

Pengklasifikasian jurnal tugas akhir menggunakan metode Naïve Bayes Classifier (NBC) ini dilakukan dengan dua tahap pengerjaan. Pengerjaan yang pertama adalah pembuatan data pelatihan atau data training yang terdiri dari model probabilitas dari setiap kata-kata hasil proses preprocessing data. Data pelatihan ini digunakan sebagai acuan atau trigger untuk proses klasifikasi menggunakan data pengujian. Data-data jurnal yang belum diketahui kategorinya itu dinamakan data pengujian atau data testing. Pengerjaan yang kedua adalah mengklasifikasian data pengujian dan mengukur seberapa akuratkah data pelatihan yang digunakan dalam pengklasifikasian dengan parameter data pengujian. Tidak hanya lewat judul jurnal, proses pengklasifikasian ini juga menggunakan data masukan berupa abstrak dari jurnal tersebut. Judul atau abstrak digunakan sebagai parameter dalam pengklasifikasian jurnal tugas akhir ini. Sistem yang dikembangkan adalah Sistem Pengklasifikasian Jurnal Tugas Akhir (SISKLATA) yang berbasiskan web. Untuk uji coba terhadap SISKLATA, penulis menyiapkan 444 buah dokumen jurnal dengan komposisi data pelatihan sebanyak 400 buah (tingkat akurasi 98,46%) dan 44 buah untuk data pengujian. Ternyata akurasi dari hasil pengklasifikasian berdasarkan parameter judul mencapai angka 93,18% dan untuk abstraknya mencapai 86,36%. Selain menggunakan data pelatihan sebanyak 90%, penulis juga melakukan proses pengklasifikasian dengan berbagai proporsi. Untuk data pelatihan sebanyak 311 (70%) dan data pengujian sebanyak 133 (30%) dan seterusnya sehingga tingkat akurasi berubah di setiap uji coba. Dari uji coba tersebut penulis dapat mengambil kesimpulan bahwa pengklasifikasian jurnal tugas akhir ini lebih efektif dan efisien dilakukan berdasarkan judul jurnal saja. Selain tingkat akurasinya lebih tinggi, waktu yang diperlukan untuk pengklasifikasian data juga lebih singkat dibandingkan abstraknya. Selain itu, tingkat akurasi pengklasifikasian baik berdasarkan judul maupun abstrak jurnal tugas akhir akan menurun bila dilakukan pengurangan kuantitas terhadap data pelatihannya.

Item Type:	Thesis (S1)
Additional Information:	ID SINTA Dosen Pembimbing Wawan Setiawan : 5977494 Yudi Wibisono : 260167
Uncontrolled Keywords:	NAÏVE BAYES CLASSIFIER, PENGKLASIFIKASIAN JURNAL TUGAS AKHIR.
Subjects:	L Education > L Education (General) Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam > Program Studi Pendidikan Ilmu Komputer
Depositing User:	Ferli pennita
Date Deposited:	14 Nov 2023 05:01
Last Modified:	14 Nov 2023 05:01
URI:	http://repository.upi.edu/id/eprint/112485

Actions (login required)

View Item