BKG

Idris, Hilmy Khairi (2018) Klasifikasi Teks Bahasa Indonesia Pada Dokumen Pengaduan SAMBAT Online Menggunakan Metode Naïve Bayes dan Kombinasi Seleksi Fitur. Sarjana thesis, Universitas Brawijaya.

Indonesian Abstract

SAMBAT Online merupakan bentuk realisasi e-Government yang ada di Kota Malang. SAMBAT Online atau Sistem Aplikasi Masyarakat Bertanya Terpadu Online suatu platform berupa situs web yang disediakan oleh pemerintah Kota Malang untuk menerima laporan pengaduan, kritik, saran, maupun pertanyaan kepada pemerintah. Setiap laporan yang masuk akan dikelompokkan secara manual oleh pengelola sistem SAMBAT Online. Pengelompokan yang dilakukan berdasarkan Satuan Kerja Perangkat Daerah (SKPD) yang dituju secara manual. Oleh karena ini dibangunlah sistem klasifikasi untuk mengefesiensikan waktu pada proses pengelompokan laporan ke SKPD yang dituju menggunakan metode Naive Bayes dan Kombinasi Seleksi Fitur antara Chi-Square dan Information Gain. Pada pengujian yang dilakukan, sistem berhasil memberikan hasil akurasi yang lebih baik apabila menggunakan selsksi fitur dibanding tanpa menggunakan seleksi fitur dengan nilai akurasi sebesar 83,33%. Selanjutnya pada saat dilakukan kombinasi seleksi fitur, hasil akurasi yang didapatkan sama dengan hasil tanpa dilakukan kombinasi yaitu 83,33%. Sehingga kombinasi seleksi fitur belum bisa memberikan hasil yang lebih baik.

English Abstract

SAMBAT Online is a form of e-Government realization in Malang City. SAMBAT Online or The Integrated Online Community Application System is a platform of a website provided by the Malang City Government to receive complaints, criticisms, suggestions, or questions to the government. Each incoming report will be grouped manually by the SAMBAT Online system manager. Grouping is based on The Regional Work Unit (SKPD) which is handled manually. Therefore, a classification system was built to save time in the process of grouping reports to SKPD using the Naïve Bayes method and the Combination of Feature Selection between Chi-Square and Information Gain. In the tests conducted, the system succeeded in providing better accuracy results when using feature selection than without using feature selection with an accuracy value of 83.33%. Furthermore, when a feature selection combination is performed, the results of the accuracy obtained are the same as the results without a combination of 83.33%. So, the combination of selection has not been able to provide better results.

Other Language Abstract

UNSPECIFIED

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2018/1025/051900821
Uncontrolled Keywords: Online, Klasifikasi Teks, Chi-Square, Information Gain, Naïve Bayes-SAMBAT Online, Text Classification, Chi-Square, Information Gain, Naïve Bayes
Subjects: 400 Language > 499 Non-Austronesian languages of Oceania, Austronesian languages, miscellaneous languages > 499.22 Malayo-Polynesian languages of Indonesia, Malaysia, Singapore, Brunei, East Timor; Chamic languages > 499.221 Indonesian (bahasa Indonesia)
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: soegeng
URI: http://repository.ub.ac.id/id/eprint/166789
Text
Hilmy Khairi Idris.pdf

Download | Preview

Actions (login required)

View Item View Item