Temu Kembali Informasi untuk Klasifikasi Paper Seminar Menggunakan Metode Korelasi dan Naïve Bayes

Arifin, Firman (2009) Temu Kembali Informasi untuk Klasifikasi Paper Seminar Menggunakan Metode Korelasi dan Naïve Bayes. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 2207205007-Master_thesis.pdf Restricted to Repository staff only Download (15MB)

Abstract

Untuk mengklasifikasi paper, sebagian besar menggunakan keyword sebagai acuan dasarnya. Padahal, dengan keyword saja tidak bisa mewakili keseluruhan isi. Kami mencoba menggunakan abstrak dari beberapa paper seminar untuk diekstrak sebagai dasar dari klasifikasi paper seminar. Pada tesis ini, metode Korelasi dan Naïve Bayes kami gunakan untuk menggali informasi dari data-data dalam paper seminar. Eksperimen kami lakukan dengan studi kasus data seminar nasional IES. Langkah awal, kami melakukan training dari paper-paper yang ada sebanyak 150 paper untuk diklasifikasikan menjadi lima kelas. Setelah kami uji, klasifikasi paper IES ini mempunyai tingkat akurasi di atas 90%.
==================================================================================================================================
Most paper classification methods rely on keywords as their primary reference. However, keywords alone cannot fully represent the entire content of a paper. In this study, we extract information from the abstracts of several seminar papers to serve as the foundation for paper classification. In this thesis, Correlation and Naïve Bayes methods are used to extract information from data within seminar papers. Experiments were conducted using a case study of data from the IES national seminar. As an initial step, we trained the model using 150 papers to classify them into five distinct classes. Based on our testing, this classification method for IES papers achieved a high accuracy rate of over 90%.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Klasifikasi Paper, Metode Korelasi , Naive Bayes ,Paper classification, correlation methods, Naive Bayes
Subjects:	Q Science > QA Mathematics > QA76.9.D343 Data mining. Querying (Computer science)
Divisions:	Faculty of Electrical Technology > Electrical Engineering > 20101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	29 Sep 2026 01:19
Last Modified:	29 Sep 2026 01:19
URI:	http://repository.its.ac.id/id/eprint/144998

Actions (login required)

View Item