Detail Tugas Akhir

KATEGORISASI DOKUMEN TEXT MENGGUNAKAN METODE K-NEAREST NEIGHBOR PADA DOKUMEN TUGAS AKHIR UNIVERITAS MUHAMMADIYAH JEMBER

SHODIQ, JA’FAR (2017) KATEGORISASI DOKUMEN TEXT MENGGUNAKAN METODE K-NEAREST NEIGHBOR PADA DOKUMEN TUGAS AKHIR UNIVERITAS MUHAMMADIYAH JEMBER. Undergraduate thesis, UNMUH JEMBER.

Berkas Tugas Akhir

PDF
Text
Pendahuluan.pdf
PDF
Text
ABSTRAK.pdf
PDF
Text
BAB I.pdf
PDF
Text
BAB II.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (284kB)
PDF
Text
BAB III.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (426kB)
PDF
Text
BAB IV.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (40kB)
PDF
Text
BAB V.pdf
Restricted to Registered users only
Akses terbatas: khusus pengguna terdaftar Ukuran File (15kB)

Abstract

ABSTRAK

Kategorisasi dokumen tugas akhir sangatlah penting untuk dapat memudahkan pengguna dalam pencarian dokumen dengan mudah. Dengan dikategorikannya dokumen-dokumen abstraksi tugas akhir, pembaca dapat menangkap ide utama dari sebuah dokumen tanpa harus membaca keseluruhan dokumen, sehingga dapat menentukan topik tugas akhir sesuai dengan bidang minat yang ada. Pada penilitian ini dilakukan penerapan metode K-Nearest Neighbor (KNN) untuk kategorisasi dokumen tugas akhir dengan mengacu pada abstraksi tugas akhir yang akan melalui proses tahapan text mining yang nantinya akan diklasifikasikan oleh KNN. Program aplikasi kategorisasi tugas akhir ini dibangun dengan data latih dari abstraksi tugas akhir Universitas Muhammadiyah Jember yang telah diklasifikasikan sebelumnya dan data uji berasal dari abstraksi tugas akhir yang belum diketahui kategorinya. Aplikasi yang dibuat mampu mengklasifikasikan data abstraksi tugas akhir dengan presentase keberhasilan 82,2% dengan jumlah data latih 85 dan 15 data uji.
Kata Kunci : Kategorisasi dokumen, K-Nearest Neighbor, text mining

Informasi Item

Item Type Thesis (Undergraduate)
Keywords/Kata Kunci Kata Kunci : Kategorisasi dokumen, K-Nearest Neighbor, text mining
Subjects 000 Computer Science, Information, & General Works > 004 Data Processing, Computer Science
Divisions Faculty of Engineering > Department of Informatics Engineering (S1)
Date Deposited 15 Jul 2021 01:50
Last Modified 15 Jul 2021 01:50
URI https://repository.unmuhjember.ac.id/id/eprint/11076

Actions (login required)

View Item
View Item
Ada yang bisa kami bantu?