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. Journal of Undergraduate Thesis, Universitas Muhammadiyah Jember.

[img]
Preview
Text
ARTIKEL.pdf - Published Version

Download (748kB) | Preview

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.

Item Type: Article
Additional Information: Muhammad Isa Hidayatullah (1210651073)
Uncontrolled Keywords: penjadwalan, algoritma genetika, optimasi
Subjects: 000 General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering
Depositing User: Hendri Uut Fahrullah
Date Deposited: 02 Aug 2018 01:20
Last Modified: 02 Aug 2018 01:20
URI: http://repository.unmuhjember.ac.id/id/eprint/524

Actions (login required)

View Item View Item