Article Per Year (5 Year)
p-Index From 2019 - 2024
2.459
P-Index
This Author published in this journals
All Journal Tekno : Jurnal Teknologi Elektro dan Kejuruan Jurnal Pendidikan Indonesia Sistemasi: Jurnal Sistem Informasi Knowledge Engineering and Data Science Sains, Aplikasi, Komputasi dan Teknologi Informasi International Journal of Applied Business and Information Systems Belantika Pendidikan Journal of Disruptive Learning Innovation (JODLI) JURNAL PENGABDIAN PENDIDIKAN MASYARAKAT (JPPM)
Muhammad Iqbal Akbar
Universitas Negeri Malang
Religion Aerospace Engineering Humanities Computer Science & IT Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Health Professions Languange, Linguistic, Communication & Media Library & Information Science Mathematics Public Health Social Sciences Other

Published : 14 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Sains, Aplikasi, Komputasi dan Teknologi Informasi

 1 
Klasifikasi Artikel Ilmiah Dengan Berbagai Skenario Preprocessing Hidayatul Ma'rifah; Aji Prasetya Wibawa; Muhammad Iqbal Akbar
Sains, Aplikasi, Komputasi dan Teknologi Informasi Vol 2, No 2 (2020): Sains, Aplikasi, Komputasi dan Teknologi Informasi
Publisher : Universitas Mulawarman

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30872/jsakti.v2i2.2681

Abstract

Penelitian ini bertujuan untuk menemukan kombinasi dan urutan preprocessing dalam text mining yang paling maksimal untuk klasifikasi bidang jurnal berbahasa Indonesia berdasarkan judul dan abstraknya. Tahap-tahap preprocessing yang akan diterapkan terdiri dari case folding, stemming, stopwords removal, transformasi VSM (Vector Space Model), dan SMOTE. Namun, pengamatan tiap skenario berfokus pada stemming dan dua teknik stopwords removal, yaitu stopwords removal berbasis kamus, dan berbasis document frequency setelah melewati proses transformasi ke dalam bentuk VSM dengan pembobotan TF-IDF (Term Trequency–Inverse Document Frequency). Proses klasifikasi mengadopsi algoritma k-NN (K-Nearest Neighbour), yang menentukan kelas suatu data tes dengan melihat tetangga terdekatnya. Dalam penelitian ini, metrik untuk menemukan jarak tetangga terdekat adalah Cosine Similarity. Pengujian klasifikasi menggunakan 10-Fold Cross Validation untuk menghasilkan confusion matrix sebagai hasil akhir. Kinerja klasifikasi terbaik dicapai dengan persentase accuracy sebesar 72.91% dan precision mencapai 73,36%.
Co-Authors A.A. Ketut Agung Cahyawan W Aji Prasetya Wibawa Akhimullah Akmal Fattah Alfian - Daud Annisa Tullulu Kaunar Aulia Yahya Harindra Putra Azhar Ahmad Smaragdina Daud, Alfian - Deni Sutaji Deny Setiawan Dessy Rif’a Anzani Dicki Dwi Prasetya Dila Umnia Soraya Felix Andika Dwiyanto Gres Dyah Kusuma Ningrum Harits Ar Rosyid Hidayatul Ma'rifah I Made Wirawan I Putu Dody Lesmana I Wayan Sumberartha Kaunar, Annisa Tullulu M Nasir Tamalene M. Nasir Tamalene Mimien Henie Irawati Moh Zainul Falah Muhammad Ashar Muhammad Iman Nurdin Nidhom, Ahmad Mursyidun Niendhitta Tamia Lassela Retno Indah Rokhmawati Roni Herdianto Setiawan, Deny Soraya Norma Mustika Triyanna Widiyaningtyas, Triyanna Utomo Pujianto Wawan Suprianto Nadra Yogi Dwi Mahandi Yushivan Rendi Harviansyah Zaeni, Ilham Ari Elbaith