Klasifikasi Dokumen Teks Menggunakan Metode Support Vector Machine dengan Pemilihan Fitur Ciri Chi-Square

Isa Hidayatullah, Muhammad (2016) Klasifikasi Dokumen Teks Menggunakan Metode Support Vector Machine dengan Pemilihan Fitur Ciri Chi-Square. Undergraduate thesis, universitas muhammdiyah jember.

Preview	Text ARTIKEL.pdf - Published Version Download (748kB) | Preview
	Text PENDAHULUAN.pdf Download (435kB)
	Text ABSTRAKSI.pdf Download (151kB)
	Text BAB I.pdf Download (159kB)
	Text BAB II.pdf Restricted to Repository staff only Download (415kB)
	Text BAB III.pdf Restricted to Repository staff only Download (458kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (556kB)
	Text BAB V.pdf Restricted to Repository staff only Download (296kB)

Abstract

Peningkatan jumlah dokumen membuat mahasiswa semakin sulit memperoleh informasi sesuai dengan apa yang diinginkan khusunya referensi tugas akhir. Masalah ini memerlukan teknik pengolahan teks yang mengorganisasikan dokumen sesuai dengan katagorinya. Salah satunya klasifikasi teks. Klasifikasi teks dapat mengordinasikan dokumen sesuai dengan yang telah ditentukan sebelumnya secara otomatis. Salah satu klasifikasi vector teks yang terkenal adalah support vector machine (SVM) yang berusaha mencari bidang pemisah terbaik pada input space. Menurut Chenometh et al (209) support vector machine (SVM) merupakan algoritma klasifikasi terbaik dibanding dengan metode klasifikasi metode vektor yang lain yaitu Rocchio, k-Nearest Neighbor dan decision tree. Melalui serangkaian pengujian terhadap sejumlah dokumen yang telah diolah menjadi suatu representasi data berupa matriks vektor, SVM berhasil mengklasifikasikan dokumen dengan akurasi tertinggi sebesar 82,14% dalam waktu 23 detik.

Contribution

Nama Dosen Pembimbing

NIDN/NIDK

UNSPECIFIED

Ali Muharrom, Lutfi

nidn0727108202

UNSPECIFIED

Dwi Rahayu, Yeni

nind0716108602

Item Type:	Thesis (Undergraduate)
Additional Information:	Muhammad Isa Hidayatullah (1210651073)
Keywords/Kata Kunci:	penjadwalan, algoritma genetika, optimasi
Subjects:	000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions:	Faculty of Engineering > Department of Informatics Engineering (S1)
Depositing User:	Hendri UF | hendri@unmuhjember.ac.id
Date Deposited:	02 Aug 2018 01:20
Last Modified:	11 Apr 2020 10:42
URI:	http://repository.unmuhjember.ac.id/id/eprint/524

Actions (login required)

View Item