Perancangan Dan Pembuatan Perangkat Lunak Ppengklasifikasikan Dokumen Berbasis Oracle Text 10 Dengan Algoritma Support Vector Machine

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.

[img]
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 View Item