Dewata, Nugraha (2005) Perancangan Dan Pembuatan Perangkat Lunak Ppengklasifikasikan Dokumen Berbasis Oracle Text 10 Dengan Algoritma Support Vector Machine. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
5197100076-Undergraduate Thesis.pdf - Published Version Download (22MB) | Preview |
Abstract
Dalam tugas akhir ini akan dibahas mengenai pembuatan aplikasi
text classification dengan algoritma Support Vector Machines yang dibangun
diatas platform Oracle Text 1 0.1. Algoritma SVM sangat dikenal karena
kemampuannya dalam pengenalan pola dan klasifikasi terbukti memiliki tingkat
akurasi yang sangat tinggi [Bur-1998]. Ide dasar dari algortima support vector
machine adalah untuk menemukan hyperplane optimal yang akan
mengklasifikasikan data dengan benar dengan cara memisahkan nilai - nilai
diantara dua kelas sejauh mungkin. Pencarian hyperplane yang optimal ini harus
dapat juga meminimalkan kesalahan klasifikasi terhadap data training dan data
testing yang belum pemah di uji coba sebelumnya.
Metodologi yang digunakan dalam pembuatan tugas akhir ini terdiri atas
beberapa tahapan. Tahap pertama adalah proses loading dokumen kedalam
database. Tahap berikutnya adalah preprocessing dokumen agar dapat diproses
dalam algoritma klasifikasi. Dilanjutkan dengan proses indexing, dan dilakukan
proses trainning dengan menggunakan SVM classifier, hingga didapatkannya rule
-rule pengklasifikasi. Rule- rule ini nantinya juga akan diindeks. Tahap terakhir
adalah uji coba terhadap rule, dengan kumpulan dokumen test.Keseluruhan proses
ini dijalankan diatas platfrom Oracle Text 1 0.1.
Uji coba dan evaluasi dilakukan dengan menggunakan data UseNet Collection
(20NG), yang berisi 20.000 dokumen newsgroups yang telah dikelompokkan
dalam 20 kelompok yang berbeda. Kemampuan SVM classifier ini juga akan
dibandingkan dengan aplikasi text classification yang pemah dibuat sebelumnya
[Pur-2004]. Dari hasil uji coba di dapatkan bahwa SVM Classifier memiliki
kemampuan yang lebih baik dari pada decission tree classifier dengan perbedaan
kemampuan klasifikasi rata - rata sebesar ± 20 %. Sedangkan kemampuan rata -
rata klasifikasi dari SVM Classifier sendiri mencapai ± 90 %.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSIf 005.1 Dew p |
| Subjects: | Q Science > QA Mathematics > QA76.754 Software architecture. Computer software |
| Divisions: | Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis |
| Depositing User: | ansi aflacha |
| Date Deposited: | 19 Aug 2019 03:38 |
| Last Modified: | 19 Aug 2019 03:38 |
| URI: | http://repository.its.ac.id/id/eprint/70404 |
Actions (login required)
 |
View Item |