Asiyah, Siti Nur (2016) Klasifikasi Berita Online Menggunakan Metode Support Vector Machine Dan K-Nearest Neighbor. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
1314105016-Undergradute Thesis.pdf - Published Version Download (1MB) | Preview |
Abstract
Teknologi informasi merupakan salah satu hal yang tidak akan lepas dari kehidupan manusia. Tanpa adanya teknologi, manusia akan kesulitan dalam berkomunikasi dan menyampaikan informasi. Perlu adanya sistem yang secara otomatis yang dapat mengelompokkan berita sesuai dengan kategori berita dengan menggunakan text mining. Dalam penelitian ini, metode yang digunakan dalam klasifikasi adalah SVM dan KNN. KNN memiliki kelebihan dalam hal data training yang cukup banyak. Sebagai komparasi, dalam penelitian ini juga menggunakan SVM karena metode ini merupakan salah satu metode yang banyak digunakan untuk klasifikasi data, khususnya data teks. Kedua metode ini akan dibandingkan untuk mengetahui hasil ketepatan klasifikasi yang paling baik. Hasil dari penelitian ini bahwa SVM kernel linier dan kernel polynomial menghasilkan ketepatan klasifikasi yang paling baik adalah kernel linier. Apabila dibandingkan dengan KNN maka SVM lebih baik daripada KNN dengan hasil nilai rata-rata akurasi total, recall, precision dan F-Measure sebesar 93.2%, 93.2%, 93.63% dan 93.14%.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSt 004.4 Asi k |
| Uncontrolled Keywords: | K-nearest neighbor,Support vector machine,Text Mining |
| Subjects: | T Technology > T Technology (General) > T58.62 Decision support systems |
| Divisions: | Faculty of Mathematics and Science > Statistics > 49201-(S1) Undergraduate Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 30 Apr 2019 07:42 |
| Last Modified: | 30 Apr 2019 07:42 |
| URI: | http://repository.its.ac.id/id/eprint/62883 |
Actions (login required)
 |
View Item |