ANISA (2017) PENERAPAN ALGORITMA BIWORD WINNOWING DAN METODE MODIFIEDK-NEAREST NEIGHBOUR UNTUK PENGELOMPOKAN DOKUMEN ABSTRAK TUGAS AKHIR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER.pdf Download (1MB) | Preview
Preview	Text 2. PENGESAHAN.pdf Download (2MB) | Preview
Preview	Text 3. ABSTRAK.pdf Download (258kB) | Preview
Preview	Text 4. KATA PENGANTAR.pdf Download (435kB) | Preview
Preview	Text 5. DAFTAR ISI.pdf Download (424kB) | Preview
Preview	Text 6. BAB I.pdf Download (285kB) | Preview
Preview	Text 7. BAB II.pdf Download (770kB) | Preview
Preview	Text 8. BAB III.pdf Download (280kB) | Preview
Preview	Text 9. BAB IV.pdf Download (1MB) | Preview
	Text 10. BAB V.pdf Restricted to Repository staff only Download (826kB)
Preview	Text 11. BAB VI.pdf Download (252kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA.pdf Download (390kB) | Preview

Abstract

Perkembangan teknologi informasi digital menyebabkan ketersedian dokumen dalam bentuk digital meningkat. kemampuan manusia untuk menyerap dan memproses informasidalam jumlah yang besar terbatas sehingga penggunaan data kurang optimal, proses pencarian dokumendengan topik tertentumenjadi sulit, dokumen juga tidak terorganisir dengan baik, dokumen dokumen tersimpan tidak berdasarkan kategorinya, untuk itu diperlukan sebuah teknologi pengelompokan dokumen. Tujuan penelitian ini adalah mengelompokkan dokumen abstrak Tugas Akhir berdasarkan kategorinya. Abstrak dalam suatu dokumen Tugas Akhir memiliki peranan penting dalam menjelaskan keseluruhan dokumen. Kata-kata yang frekuensi kemunculannnya paling banyak dapat dijadikan acuan dalam mengelompokkan dokumen Tugas Akhir kedalam kategorinya masing-masing. Kategori Tugas Akhir yang digunakan adalah ilmu komputer dan teknologi informasidengan total data 500 data abstrak, algoritmayang digunakan untuk seleksi fitur adalah biword winnowing dan modified k-nearest neighboursebagai metode pengelompokan.Pengujian dilakukan dengan menggunakan nilai basis prima=2, nilai window=4, window=6, window=8,danwindow=10pada proses perhitungan biword winnowing, dan untuk perhitungan modified k-nearest neighbournilai Kyang digunakan adalah k=3, k=5,dan k=7 dengan perbandingan data latih dan data uji 95:5 dan 90:10. Hasil akurasi terbaik pada pengujian data latih dan data uji 95:5 adalah92% dengan nilai window=6, nilai ketetanggaan=5, sedangkan Hasil akurasi terbaik pada pengujian data latih dan data uji 90:10 adalah 82% dengan nilai window=10, nilai ketetanggaan=5Kata Kunci:Biword Winnowing,Fingerprint,Modified K-Nearest Neighbor, Text Mining.

Actions (login required)

View Item