PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN MULTINOMIAL NAIVE BAYES (MNB) DALAM KLASIFIKASI ABSTRAK TUGAS AKHIR (STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH JEMBER)

Shofiya, Feni (2020) PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) DAN MULTINOMIAL NAIVE BAYES (MNB) DALAM KLASIFIKASI ABSTRAK TUGAS AKHIR (STUDI KASUS: FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH JEMBER). Undergraduate thesis, Universitas Muhammadiyah Jember.

	Text A. PENDAHULUAN.pdf Download (2MB)
	Text B. ABSTRAK.pdf Download (262kB)
	Text C. BAB I.pdf Download (467kB)
	Text D. BAB II.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text E. BAB III.pdf Restricted to Repository staff only Download (1MB) \| Request a copy
	Text F. BAB IV.pdf Restricted to Repository staff only Download (2MB) \| Request a copy
	Text G. BAB V.pdf Restricted to Repository staff only Download (254kB) \| Request a copy
	Text H. DAFTAR PUSTAKA.pdf Download (506kB)
	Text I. LAMPIRAN.pdf Restricted to Repository staff only Download (4MB) \| Request a copy
	Text J. ARTIKEL.pdf Download (430kB)

Abstract

Abstrak adalah representasi yang ringkas tetapi akurat dari isi suatu dokumen. Dalam penentuan kategori abstrak Tugas Akhir masih sulit dalam mengelompokkannya. Jika dikelompokkan dengan kemampuan manusia masih mengalami kesulitan karena isi dari abstrak Tugas Akhir yang sangat banyak. Hal tersebut akan membutuhkan waktu yang lama. Pengelolaan kata yang terdapat pada abstrak memiliki suatu kemiripan antara abstrak satu dengan yang lainnya sehingga terjadi ambiguitas pengolompokan beberapa kategori. Pada penelitian ini dilakukan klasifikasi dokumen terhadap abstrak Tugas Akhir mahasiswa Fakultas Teknik Universitas Muhammadiyah Jember. Data yang digunakan dalam penelitian ini adalah abstrak Tugas Akhir pada Teknik Elektro, Teknik Sipil, Teknik Informatika, Teknik Mesin, dan Manajemen Informatika. Metode klasifikasi pada penelitian ini adalah membandingkan algoritma Support Vector Machine dan Multinomial Naive Bayes. Hasil pengujian dari penelitian ini adalah pada algoritma SVM didapatkan hasil akurasi sebesar 82%, presisi 84%, dan recall 82%. Pada algoritma MNB didapatkan hasil akurasi sebesar 62%, presisi 68%, dan recall 62%.

Item Type:

Thesis (Undergraduate)

Uncontrolled Keywords:

Klasifikasi dokumen, Abstrak, Support Vector Machine, Multinomial Naive Bayes

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:

Shofiya Feni