Perbandingan Algoritma K-Nearest Neighbor (KNN) dan Rocchio dalam Klasifikasi Tugas Akhir Universitas Muhammadiyah Jember Studi Kasus: Fakultas Teknik

Adani, Farid Achmad Arif (2020) Perbandingan Algoritma K-Nearest Neighbor (KNN) dan Rocchio dalam Klasifikasi Tugas Akhir Universitas Muhammadiyah Jember Studi Kasus: Fakultas Teknik. Undergraduate thesis, Universitas Muhammadiyah Jember.

This is the latest version of this item.

[img] Text
a. PENDAHULUAN.pdf

Download (1MB)
[img] Text
b. ABSTRAK.pdf

Download (247kB)
[img] Text
c. BAB I.pdf

Download (393kB)
[img] Text
d. BAB II.pdf
Restricted to Repository staff only

Download (572kB)
[img] Text
e. BAB III.pdf
Restricted to Repository staff only

Download (1MB)
[img] Text
f. BAB IV.pdf
Restricted to Repository staff only

Download (2MB)
[img] Text
g. BAB V.pdf
Restricted to Repository staff only

Download (223kB)
[img] Text
h. DAFTAR PUSTAKA.pdf

Download (310kB)
[img] Text
i. LAMPIRAN.pdf
Restricted to Repository staff only

Download (2MB)
[img] Text
j. JURNAL.pdf

Download (1MB)

Abstract

Tugas akhir merupakan salah satu syarat kelulusan yang harus dipenuhi oleh mahasiswa untuk menyelesaikan pendidikan di perguruan tinggi. Semakin bertambahnya mahasiswa tiap tahunnya, maka semakin banyak pula koleksi dokumen tugas akhir. Semakin banyaknya dokumen tugas akhir menyebabkan sulitnya mengkategorikan dokumen tugas akhir jika harus dilakukan secara manual. Pada penelitian ini dilakukan klasifikasi dokumen terhadap abstrak dan bab 1 Tugas Akhir mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember. Data yang digunakan dalam penelitian ini adalah abstrak dan bab 1 Tugas Akhir pada program studi Teknik Elektro, Teknik Sipil, Teknik Informatika, Teknik Mesin, dan Manajemen Informatika. Metode klasifikasi pada penelitian ini adalah metode K- Nearest Neighbor (KNN) dan Rocchio. Pengujian akurasi pada penelitian ini dilakukan dengan Cross Validation dan evaluasi data uji dengan Confusion Matrix. Dari penelitian ini didapatkan hasil pada 150 data tugas akhir, metode Rocchio menghasilkan nilai akurasi yang sama dengan KNN yaitu 96%, sedangkan presisi dan recall menghasilkan nilai lebih baik yaitu presisi sebesar 97% dan recall sebesar 97%, pengujian pada metode KNN menghasilkan nilai presisi sebsar 95% dan recall sebesar 95% dengan nilai K=19.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Klasifikasi dokumen, Tugas Akhir, K-Nearest Neighbor, Rocchio.
Subjects: 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions: Faculty of Engineering > Department of Informatics Engineering (S1)
Department: S1 Teknik Informatika
Depositing User: Adani Farid Achmad Arif
Contributors:
ContributionContributor NameNIDN/NIDK
Thesis advisorArifianto, Deninidn0718068103
Thesis advisorAzizah Al Faruq, Habibatulnidn0718128901
Date Deposited: 28 Jul 2020 06:55
Last Modified: 28 Jul 2020 06:55
URI: http://repository.unmuhjember.ac.id/id/eprint/5395

Available Versions of this Item

Actions (login required)

View Item View Item