PENERAPAN ALGORITMA BIWORD WINNOWING DAN METODE MODIFIEDK-NEAREST NEIGHBOUR UNTUK PENGELOMPOKAN DOKUMEN ABSTRAK TUGAS AKHIR

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.

[img]
Preview
Text
1. COVER.pdf

Download (1MB) | Preview
[img]
Preview
Text
2. PENGESAHAN.pdf

Download (2MB) | Preview
[img]
Preview
Text
3. ABSTRAK.pdf

Download (258kB) | Preview
[img]
Preview
Text
4. KATA PENGANTAR.pdf

Download (435kB) | Preview
[img]
Preview
Text
5. DAFTAR ISI.pdf

Download (424kB) | Preview
[img]
Preview
Text
6. BAB I.pdf

Download (285kB) | Preview
[img]
Preview
Text
7. BAB II.pdf

Download (770kB) | Preview
[img]
Preview
Text
8. BAB III.pdf

Download (280kB) | Preview
[img]
Preview
Text
9. BAB IV.pdf

Download (1MB) | Preview
[img] Text
10. BAB V.pdf
Restricted to Repository staff only

Download (826kB)
[img]
Preview
Text
11. BAB VI.pdf

Download (252kB) | Preview
[img]
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.

Item Type: Thesis (Skripsi)
Subjects: 500 Ilmu-ilmu Alam dan Matematika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: Ms. Nilam Badriyah
Date Deposited: 19 Aug 2019 06:48
Last Modified: 19 Aug 2019 06:48
URI: http://repository.uin-suska.ac.id/id/eprint/17542

Actions (login required)

View Item View Item