Klasifikasi Tema Pada Lirik Lagu Dengan Metode Transformed Weight-Normalized Complement Naive Bayes (TWCNB).

Pratiwi, AstriTika (2014) Klasifikasi Tema Pada Lirik Lagu Dengan Metode Transformed Weight-Normalized Complement Naive Bayes (TWCNB). Sarjana thesis, Universitas Brawijaya.

Abstract

Tema Merupakan Hal Penting Dalam Sebuah Lagu, Karena Dengan Tema Tersebut Sebuah Lirik Dapat Dirangkai Sesuai Dengan Emosi Yang Tepat. Tema Lagu Yang Tidak Tepat Dapat Menimbulkan Kesalahan. Untuk Itu Diperlukan Pengklasifikasian Lagu Berdasarkan Tema. Pada Penelitian Ini Digunakan Metode Transformed Weight-Normalized Complement Naive Bayes (TWCNB). Metode Ini Merupakan Pengembangan Dari Multinomial Naive Bayes (MNB). Evaluasi Sistem Yang Dilakukan Terhadap 29 Data Uji Dan 224 Data Latih Dengan Perubahan Jumlah Data Latih Yang Berbeda-Beda Pada 4 Skenario Menghasilkan Nilai Terbaik Pada Precision Senilai 0,89, Recall Senilai 0,856 Dan Nilai F-Measure Senilai 0,857

English Abstract

Themes Are Important In A Song, Because They Can Be Used To Create A Song Lyric That Based On The Right Emotion. Unsuitable Themes Song Could Make Any Error. Therefore The Songs Need To Be Classificated By It’s Theme. This Research Is Used Transformed Weight-Normalized Complement Naive Bayes (TWCNB) Method. This Method Is A Development Of The Multinomial Naive Bayes (MNB). The Evaluation That Have Performed By Using 29 Testing Data And 224 Training Data With Changes In The Amount Of Training Data That Varies In 4 Scenarios, Produces Precision Of 0.89, Recall Of 0.856 And F-Measure Of 0.857 As The Best Value.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2014/29/051400469
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Budi Wahyono Wahyono
Date Deposited: 04 Feb 2014 08:27
Last Modified: 20 Oct 2021 06:20
URI: http://repository.ub.ac.id/id/eprint/146072
[thumbnail of skripsi.pdf]
Preview
Text
skripsi.pdf

Download (3MB) | Preview

Actions (login required)

View Item View Item