Lubis, Wahyuni (2018) Klasifikasi Multilabel Menggunakan Metode Fuzzy Similarity K-Nearest Neighbor untuk Rekomendasi Pencarian Artikel Online. Sarjana thesis, Universitas Brawijaya.
Abstract
Artikel adalah karya tulis dari pendapat seseorang yang membahas suatu masalah tertentu yang bersifat aktual dan terkadang bersifat kontroversial untuk memberitahu, mempengaruhi, meyakinkan, dan menghibur pembaca. Perkembangan teknologi yang pesat menyebabkan banyaknya artikel yang ditulis secara online. Setiap artikel online memiliki label yang berbeda-beda, dan memungkinkan setiap artikel memiliki lebih dari satu label. Jumlah artikel online yang ada di internet setiap harinya semakin bertambah yang membuat pembaca kesulitan dalam menemukan informasi yang diinginkan. Klasifikasi yang tepat bisa meningkatkan kualitas information retrieval. Metode Fuzzy Similarity K-Nearest Neighbor adalah metode klasifikasi multilabel yang menggabungkan metode Fuzzy Similarity Measure dan MLKNN. Pada penelitian sebelumnya metode FSKNN memiliki kecepatan lebih baik dalam melakukan komputasi k tetangga terdekat dan performa yang lebih baik dari metode MLKNN. Langkah-langkah yang dilakukan pada penelitian ini adalah melakukan text preprocessing, pembobotan, clustering dokumen, klasifikasi dan proses pencarian. Pada penelitian ini didapatkan nilai optimal F1 dan BEP sebesar 0,933 dan 0,937 pada k=1 dan alpha=0,5. Pada proses rekomendasi pencarian artikel online menggunakan metode FSKNN didapatkan nilai precision tertinggi sebesar 0,5 dan recall 0,8. Dari hasil F1 dab BEP yang didapat, menunjukkan bahwa metode FSKNN cukup baik untuk melakukan klasifikasi multilabel artikel online.
English Abstract
The article is someone's opinion of the paper that addresses a specific problem that is actual and sometimes controversial to inform, influence, persuade, and entertain the reader. Rapid technological developments led to the large number of articles written online. Each article has a different label online, and allows each article has more than one label. The number of online articles that exist on the internet every day growing which makes the reader's difficulty in finding the desired information. The proper classification can improve the quality of information retrieval. A method of Fuzzy K-Nearest Neighbor Similarity is a method that combines the multilabel classification method of Fuzzy Similarity Measure and MLKNN. Previous research on method FSKNN has better speed in doing computing k nearest neighbors and better performance of the method MLKNN. The steps undertaken in this research is conducting a text preprocessing, document clustering, weighting, classification and search process. On the research of the optimal values obtained this F1 and BEP amounted to 0.933 and 0.937 at k = 1 and alpha = 0.5. On the recommendation of the search articles online using the method FSKNN obtained the highest precision value of 0.5 and 0.8 recall. From the results of F1 and the BEP obtained, indicating that the method FSKNN was kind enough to do a multilabel classification articles online.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/814/051809610 |
Uncontrolled Keywords: | artikel online, klasifikasi, klasifikasi multilabel, FSKNN, information retrieval articles online, classification, multilabel classification, FSKNN, information retrieval |
Subjects: | 000 Computer science, information and general works > 004 Computer science |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 29 Mar 2019 01:51 |
Last Modified: | 22 Oct 2021 06:47 |
URI: | http://repository.ub.ac.id/id/eprint/13992 |
Preview |
Text
Wahyuni Lubis.pdf Download (3MB) | Preview |
Actions (login required)
![]() |
View Item |