Skripsi

Perbandingan klasifikasi kelompok bidang keahlian (KBK) teknik informatika dengan menggunakan algoritma random forest, adaboost, dan xgboost / P. Brian Permana

Abstrak
Pada Departemen Teknik Elektro dan Informatika penentuan dosen pembimbing masih dilakukan secara manual dengan mengandalkan pembagian berdasarkan Kelompok Bidang Keahlian (KBK). Mahasiswa sering mengalami kesulitan dalam memilih KBK berdasarkan skripsi yang diajukan. Penentuan dosen pembimbing yang masih dilakukan secara manual menyebabkan ketimpangan pada beberapa dosen pembimbing pada KBK yang sama. SISINTA DTEI UM adalah sistem informasi berbasis website yang dirancang sebagai solusi. SISINTA DTEI UM memiliki potensi untuk dikembangkan dengan menambahkan sistem klasifikasi judul dan abstrak skripsi. Tujuan dari penelitian ini adalah untuk menerapkan menguji dan membandingkan performa dari algoritma Random Forest AdaBoost dan XGBoost dalam melakukan pengklasifikasian judul dan abstrak skripsi. Dengan membandingkan ketiga algoritma tersebut diharapkan dapat melakukan prediksi pada judul dan abstrak dengan Kelompok Bidang Keahlian yang sesuai. Penelitian ini terdiri dari tiga tahapan yaitu (1) Text Preprocessing (2) Modeling (3) Evaluation. Pengujian performa pada algoritma klasifikasi menggunakan teknik K-fold Cross Validation. Berdasarkan pengujian performa yang dilakukan algoritma Random Forest merupakan algoritma yang lebih unggul dan lebih baik untuk digunakan dengan hasil rata-rata akurasi 0.743 presisi 0.783 recall 0.743 dan F1-Score 0.740 dengan tahap pengujian sebanyak 10 kali terhadap 242 data.

Informasi Detail

DDC

SKRIPSI DIGITAL

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2023.

Deskripsi Fisik

xv, 48 lembar : ilus.

Bahasa

Indonesia

No Reg

3344/RS/23

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2023

Subjek

Pembimbing

1. Muhammad Jauharul Fuady, S.t., M.t.;2. Kartika Candra Kirana, S.pd., M.kom

Lampiran Berkas