UPT Perpustakaan UM

  • Beranda
  • Informasi
  • Repository UM
  • SIPADU UM
  • OPAC SIPADU

Pencarian Spesifik

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
No image available for this title

Skripsi

Klasifikasi lirik lagu daerah menggunakan metode support vector machine dengan berbagai kernel / Fabyan Raif Erlangga

Erlangga, Fabyan Raif Erlangga - Nama Orang;

Abstrak
Indonesia adalah bangsa yang memiliki berbagai kekayaan seni dan budaya. Salah satu bentuk karya seni yang dimiliki di setiap daerah adalah lagu. Semua daerah di Indonesia memiliki lagu daerah dengan ciri khas masing-masing. Indonesia juga memiliki lagu nasional yang menggunakan lirik bahasa Indonesia yang berisi tentang persatuan di antara keberagaman yang ada di Indonesia. Berdasarkan buku lagu daerah yang dikeluarkan oleh KEMDIKBUD Indonesia memiliki 439 lagu daerah dari seluruh Indonesia. Lagu daerah yang bermacam ragam dan cirinya maka akan menyulitkan untuk mengetahui asal lagu daerah tersebut. Dari masalah tersebut penelitian ini mencoba untuk menemukan solusi menentukan asal lagu daerah menggunakan metode Support Vector Machine. Jumlah Data yang digunakan berjumlah 570 dataset yang dikumpulkan dari berbagai macam sumber. Dataset tersebut berisi lagu daerah dari seluruh daerah di Indonesia dan lagu nasional yang selanjutnya akan diklasifikasikan berdasarkan asal daerah yang berjumlah 30 asal daerah dan lagu nasional. Dalam penelitian ini digunakan metode Support Vector Machine (SVM). SVM adalah metode yang dapat digunakan untuk melakukan klasifikasi menggunakan konsep hyperplane yang dapat memisahkan data menurut class-nya. Sebelum dilakukan klasifikasi terlebih dahulu dilakukan proses preprocessing dan pembobotan. Preprocessing yang digunakan adalah pembersihan dokumen tokenizing dan case folding. Pembobotan kata menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Kernel trick digunakan untuk mentransformasi data ke dimensi yang lebih tinggi menggunakan kernel function. Kernel yang digunakan yaitu linear polynomial radial basis function (RBF) dan sigmoid. Hasil dari pengujian ini menunjukkan bahwa metode SVM menggunakan kernel RBF memiliki hasil sangat baik dengan akurasi 99.69% dengan nilai C 10 dan gamma 0.1


Informasi Detail
DDC
SKRIPSI DIGITAL
Prodi
Universitas Negeri Malang. Program Studi Teknik Informatika, 2022.
Deskripsi Fisik
xiii, 34 lembar : ilus.
Bahasa
Indonesia
No Reg
0678/RS/22
Edisi
Skripsi (Sarjana)--Universitas Negeri Malang. 2022
Subjek
1. ALGORITMA KOMPUTER
2. SUPPORT VERCTOR MACHINE
3. COMPUTER ALGORITHM

Pembimbing
1. Aji Prasetya Wibawa, S.t., M.mt., Ph.d; 2.Ilham Ari Elbaith Zaeni, S.t., M.t., Ph.d
Lampiran Berkas
You must be logged in to get fulltext


UPT Perpustakaan UM
  • Berita

Tentang Kami

TIM IT Perpustakaan 2023

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS

Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik