HAMDANI ASRIL, - (2019) KLASIFIKASI DOKUMEN TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN K-NEAREST NEIGHBOR. Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text (BAB FULL) Hamdani Asril (kecuali bab 4).pdf - Published Version Download (41MB) | Preview
	Text (BAB IV) Hamdani Asril (bab 4).pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Tugas akhir merupakan salah satu syarat yang harus dipenuhi oleh mahasiswa untuk menyelesaikan pendidikan di perguruan tinggi. Dalam proses pengerjaan tugas akhir, mahasiswa membutuhkan dosen pembimbing sebagai tempat untuk berkonsultasi. Untuk itu dibutuhkan dosen pembimbing yang tepat dengan bidang keahlian sesuai dengan kategori/ bidang ilmu topik tugas akhir yang diajukan mahasiswa dalam proposal tugas akhir. Pada Program Studi Sistem Informasi UIN SUSKA Riau penentuan Dosen pembimbing ditentukan berdasarkan keputusan dari Ketua Program Studi (Kaprodi). Kaprodi menentukan dosen pembimbing berdasarkan topik tugas akhir mahasiswa dan keahlian dosen. Proses dalam menentukan dosen pembimbing memakan waktu kurang lebih selama sebulan. Untuk lebih mengefisienkan waktu maka perlu adanya terobosan baru yang dapat memotong waktu dalam proses penentuan dosen pembimbing. Tujuan penelitian ini adalah membangun sistem rekomendasi dosen pembimbing menggunakan metode klasifikasi terbaik untuk mempermudah Kaprodi dalam menentukan pembimbing Tugas Akhir. Dilakukan tiga percobaan pada penelitian ini yaitu: (1) menggunakan 3 kelas, (2) menggunakan seluruh kelas, dan (3) menggunakan abstrak, ketiga percobaan tersebut akan dihitung menggunakan metode Na¨ıve Bayes Clasifier dan K-Nearest Neighbor (KNN). Berdasarkan percobaan tersebut percobaan pertama yang memiliki akurasi tertinggi dengan menggunakan metode KNN yaitu 91,67% dengan nilai k=7. Sistem dibangun menggunakan metode klasifikasi terbaik yaitu KNN, bahasa pemograman yang digunakan yaitu bahasa pemograman Python.

Actions (login required)

View Item