Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

APLIKASI REKOMENDASI REVIEWER TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR

FITRIANI, - (2021) APLIKASI REKOMENDASI REVIEWER TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
GABUNGAN KECUALI BAB V.pdf

Download (8MB) | Preview
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (8MB)

Abstract

APLIKASI REKOMENDASI REVIEWER TUGAS AKHIR BERBASIS TEXT MINING MENGGUNAKAN METODE KLASIFIKASI K-NEAREST NEIGHBOR FITRIANI 11451201840 Tanggal Sidang : Januari 2021 Periode Wisuda : November 2021 Jurusan Teknik Informatika Fakultas Sains dan Teknologi Universitas Islam Negeri Sultan Syarif Kasim Riau ABSTRAK Tugas Akhir adalah suatu karangan ilmiah yang wajib ditulis dan diselesaikan oleh mahasiswa sebagai persyaratan akhir pendidikan akademisnya yang dilakukan mahasiswa secara individu di bawah bimbingan dosen pembimbing. Berdasarkan hasil wawancara dengan Koordinator TA, salah satu kekurangan fitur pada Sistem Informasi Tugas Akhir yaitu masalah penentuan reviewer yang masih secara manual karena Koordinator TA harus mengetahui topik Tugas Akhir yang diajukan dan disesuaikan dengan bidang keahlian reviewer yang akan dipilih sehingga membutuhkan waktu yang lama dan tidak efektif dan terkadang kuota reviewer sudah penuh, maka Koordinator TA memilih reviewer lain yang memungkinkan terjadinya ketidaksesuaian topik Tugas Akhir dengan Bidang keahlian reviewer. Untuk mengatasi hal tersebut, perlu dilakukan pengembangan Sistem Informasi Tugas Akhir pada proses rekomendasi reviewer agar membantu Koordinator TA dalam menentukan Reviewer. Penelitian ini menggunakan konsep text mining dengan metode K-Nearest Neighbor. Data yang digunakan yaitu data Tugas Akhir Mahasiswa dari tahun 2016-2019 yang berjumlah 412 data proposal dikelompokkan berdasarkan bidang keahlian dosen menghasilkan tingkat akurasi sebesar 100% pada nilai k=7, k=9, dan k=11 masing-masing berada pada fold ke-7 dan 10. Penelitian ini membuktikan bahwa metode K-Nearest Neighbor dapat diterapkan untuk rekomendasi reviewer Tugas Akhir berbasis text mining.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 09 Feb 2021 07:55
Last Modified: 09 Feb 2021 07:55
URI: http://repository.uin-suska.ac.id/id/eprint/40245

Actions (login required)

View Item View Item