Skripsi

Perbandingan kinerja metode naive Bayes dan K-Nearest Neighbor dalam pengklasifikasian artikel jurnal berbahasa Indonesia / Riri Nada Devita

Abstrak
ABSTRAK Devita Riri Nada. 2018. Perbandingan Kinerja Metode Naive Bayes dan K-nearest neighbor dalam Pengklasifikasian Artikel Jurnal Berbahasa Indonesia. Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing. (I) Heru Wahyu Herwanto S.T. M.Kom (II) Aji Prasetya Wibawa S.T. M.M.T. Ph.D. Kata Kunci Klasifikasi Dokumen Naive Bayes K-Neares Neighbour Karya ilmiah merupakan produk ilmiah tertulis yang bertujuan untuk memaparkan hasil penelitian atau pengkajian yang telah dilakukan dengan memenuhi metodologi penulisan yang baik dan benar. Karya-karya tersebut dapat dipublikasi dalam jurnal nasional maupun internasional. Agar diterima dalam sebuah jurnal mahasiswa harus mempunyai artikel ilmiah yang sesuai dengan isi atau tema jurnal. Untuk itu diperlukan sebuah sistem klasifikasi dokumen untuk memudahkan mahasiswa dalam memilih tema jurnal. Sistem klasifikasi yang akan dibangun pada penelitian ini menggunakan metode naive bayes dan k-nearest neighbor. Penelitian ini menggunakan 180 dokumen yang akan dibagi menjadi dua dokumen. Sebanyak 120 dokumen akan menjadi dokumen latih dan 60 dokumen menjadi dokumen uji. Dokumen tersebut terdiri dari enam kategori yaitu Ekonomi Bisnis Pendidikan Bisnis dan Manajemen Kajian Bimbingan dan Konseling Penelitian dan Pengembangan Pendidikan Luar Biasa Pendidikan Pancasila dan Kewarganegaraan dan kategori Teori dan Praksis Pembelajaran IPS. Proses klasifikasikasi dokumen akan melalui tahapan preprocessing dokumen diantaranya yaitu tokenisasi stopword dan stemming. Sedangkan untuk proses klasifikasi akan melalui tahapan menghitung bobot kata dan menghitung jumlah probabilitas untuk metode naive bayes mengitung nilai cosine similarity untuk metode k-nearest neighbor. Perhitungan kinerja setiap metode akan dihitung dengan confussion matrix yang akan menghasilkan empat output yaitu accuracy recall dan precission. Metode naive bayes memiliki kinerja lebih baik dari metode k-nearest neighbor dengan accuracy sebesar 84 16% precission sebesar 87% recall 84 16%. Sedangkan metode k-nearest neighbor memiliki accuracy sebesar 80 83% precission sebesar 84 37% dan recall 80 83%. Waktu eksekusi metode naive bayes pun lebih cepat dibanding metode k-nearest neighbor yaitu sebesar 46 menit. Sedangkan metode k-nearest neighbor memiliki waktu eksekusi sebesar 47 menit.

Informasi Detail

DDC

Rs 006.312 DEV p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2018.

Deskripsi Fisik

xviii, 174 lembar : il., tab. ; 30 cm

Bahasa

Indonesia

No Reg

05996/KI/18

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2018

Subjek

1. KOMPUTER - BAHASA PROGRAM
2. JURNAL, ARTIKEL - KLASIFIKSI
3. COMPUTER - PROGRAMMING LANGUAGE

Pembimbing

1. Heru wahyu Herwanto ; 2. Aji Prasetya Wibawa

Lampiran Berkas