Pengaruh Nilai Threshold Terhadap Pengklasifikasian Dokumen Berita Berbahasa Indonesia Dengan Menggunakan Metode K- Nearest Neighbor (K-NN)

Hendicempata, GumilangAjie (2015) Pengaruh Nilai Threshold Terhadap Pengklasifikasian Dokumen Berita Berbahasa Indonesia Dengan Menggunakan Metode K- Nearest Neighbor (K-NN). Sarjana thesis, Universitas Brawijaya.

Abstract

Artikel berita merupakan sumber informasi yang paling dicari oleh masyarakat. Baik dalam bentuk hardcopy maupun dalam bentuk softcopy. Semakin bertambahnya jaman, maka semakin bertambah pula jumlah artikel yang ada sehingga diperlukan sarana untuk dapat mengklasifikasikan dokumen artikel tersebut. Hasil pengklasifikasian ini dapat bermanfaat dalam pencarian dokumen itu nantinya. Pada penelitian ini digunakan metode k-NN untuk mengklasifikasikan dokumen artikel berita berbahasa Indonesia. Data uji yang diklasifikasikan dicari kemiripannya dengan sejumlah k dokumen latih. Dari sejumlah k dokumen latih itu ditentukan nilai kategori yang tertinggi sebagai hasil kategori dokumen uji. Digunakan sebanyak 100 data uji dan 200 data latih. juga diketahui pengaruh nilai threshold. Semakin tinggi nilai threshold, maka performance sistem menurun, akan tetapi waktu komputasi akan semakin menurun. Dari proses penelitian didapatkan hasil F-measure tertinggi yaitu 0,70218 (70,218 %) pada threshold = 5 dan k = 20. Pengujian klasifikasi dokumen menggunakan k-NN dengan pengaplikasian threshold dapat meningkatkan performance sistem apabila nilai threshold tidak terlalu besar dan dapat mengurangi waktu komputasi sistem.

Item Type: Thesis (Sarjana)
Identification Number: SKR/FTIK/2015/370/051508347
Subjects: 000 Computer science, information and general works > 005 Computer programming, programs, data
Divisions: Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: Indah Nurul Afifah
Date Deposited: 20 Nov 2015 14:38
Last Modified: 20 Oct 2021 17:37
URI: http://repository.ub.ac.id/id/eprint/146431
[thumbnail of Laporan_Fix.pdf]
Preview
Text
Laporan_Fix.pdf

Download (4MB) | Preview

Actions (login required)

View Item View Item