Kurniawati, Maya and Imam Cholissodin, , S.Si., M.Kom and Indriati, , ST., M.Kom. (2014) Klasifikasi Dokumen E-Complaint Kampus Menggunakan Directed Acyclic Graph Multi-Class Svm. Sarjana thesis, Universitas Brawijaya.
Abstract
Layanan E-Complaint merupakan fasilitas kampus yang berfungsi penting untuk mendapatkan feedback berupa keluhan yang berhubungan dengan kampus. E-Complaint merupakan sarana yang baik untuk mengukur tingkat pelayanan yang diberikan kampus. Pengukuran tingkat pelayanan tersebut dipengaruhi oleh dokumen-dokumen keluhan yang ada dalam E-Complaint. Melalui dokumen E-Complaint dapat diketahui saran atau kritik apa saja yang perlu ditindaklanjuti sesegera mungkin karena sifatnya yang mendesak dan penting. Pengambilan tindak lanjut yang segera oleh pihak kampus tentu akan mendukung pelayanan prima yang dilakukan kampus. Kenyataannya lembaga E-Complaint seringkali terlambat dalam menangani keluhan yang mendesak dan penting. Hal ini dapat dikarenakan lembaga E-Complaint tidak memilah dokumen berdasarkan kepentingan dan urgensinya. Karena itu perlu dibuat sebuah sistem cerdas yang dapat mengklasifikasikan dokumen secara cepat berdasarkan urgensi dan kepentingannya. Dokumen dapat diklasifikasikan menjadi empat kelas, yaitu penting dan mendesak, penting tetapi tidak mendesak, tidak penting tetapi mendesak, atau tidak penting dan tidak mendesak. Metode Directed Acyclic Graph SVM (DAGSVM) digunakan untuk mengklasifikasikan data secara multiclass (lebih dari dua kelas). Pada penelitian ini akurasi terbaik yang dihasilkan menggunakan DAGSVM adalah 82,61% dengan kombinasi nilai parameter Sequential Training SVM λ = 0.5, konstanta γ = 0.01, C = 1, Iterasi Max = 10, dan ε = 0.00001 dengan menggunakan kernel Gaussian RBF dan stemming pada dalam 70% data latih.
English Abstract
E-Complaint service is a campus facility that has important function to get feedback especially complaints associated with the campus. E-Complaint is a good tool to measure the level of service provided by campus. Measurement of the level of service is affected by the complaint documents that exist in the E-Complaint. Through the E-Complaint documents, people can know any suggestions or criticisms that need to be followed up as soon as possible because of its urgency and importance. Follow-up decision can be take immediately by the campus and will support the excellent service of the campus. In fact E-Complaint institution often late in dealing with complaints that are urgent and important . This could be due to the E-Complaint institution that do not sort documents based on the importance and urgency. That is why, it is necessary to make an intelligent system that can quickly classify documents based on urgency and importance. Documents can be classified into four classes, they are important and urgent, important but not urgent , urgent but not important , or not urgent and not important. Directed Acyclic Graph SVM (DAGSVM) can perform multiclass classification data (more than two classes). DAGSVM’s highest accuracy of this research is 82,61% with Sequential Training SVM’s parameters are λ = 0.5, constant of γ = 0.01, C = 1, Max Iteration = 10, dan ε = 0.00001 using kernel Gaussian RBF and stemming in 70% data training.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 004.011 |
| Uncontrolled Keywords: | klasifikasi dokumen, E-Complaint, DAGSVM-documents classification, E-Complaint, DAGSVM |
| Subjects: | 000 Computer science, information and general works > 005 Computer programming, programs, data |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Hasbi |
| Date Deposited: | 25 Jul 2014 08:48 |
| Last Modified: | 07 Dec 2021 07:31 |
| URI: | http://repository.ub.ac.id/id/eprint/145906 |
Preview |
Text
105060801111007_MAYA_KURNIAWATI_LAPORAN.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |