Seminar Nasional Teknologi Informasi Komunikasi dan Industri
2017: SNTIKI 9

TEXT MINING CLASSIFICATION SEBAGAI REKOMENDASI DOSEN PEMBIMBING TUGAS AKHIR PROGRAM STUDI SISTEM INFORMASI

Zuliar Efendi (Unknown)
Mustakim Mustakim (Unknown)



Article Info

Publish Date
19 May 2017

Abstract

Penelitian merupakan karya ilmiah dari kegiatan mahasiswa berupa penelitian yang membahas suatu masalah sesuai dengan ilmu pada program studi yang ditempuh mahasiswa dengan menggunakan aturan yang berlaku serta bimbingan oleh dosen pembimbing. Dengan memanfaatkan data proposal tugas akhir, bisa ditemukan suatu pola menarik dengan menggunakan text mining. Didalam text mining terdapat klasifikasi yang salah satu algoritmanya yaitu K-Nearest Neighbour (KNN). KNN digunakan karena terdapat nilai k yang bisa menjadi alternatif pilihan. Sebelum menggunakan KNN, dilakukan pembobotan dengan menggunakan Term Frequency dan Inverse Document Frequency (TF-IDF). Setelah pembobotam, dilakukan perhitungan similaritas antar dokumen menggunakan Cosine Similarity. Kemudian digunakan nilai k pada KNN dari data yang telah diurutkan pada Cosine Similarity. Nilai k yang digunakan yaitu 15, karena kelas yang dihasilkan terdapat hasil tunggal atau satu yang dominan. Akurasi yang didapat dalam klasifikasi dengan k = 15 yaitu sebesar 60%.

Copyrights © 2017






Journal Info

Abbrev

SNTIKI

Publisher

Subject

Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Industrial & Manufacturing Engineering Mathematics

Description

SNTIKI adalah Seminar Nasional Teknologi Informasi, Komunikasi dan Industri yang diselenggarakan setiap tahun oleh Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau. ISSN 2579 7271 (Print) | ISSN 2579 5406 ...