Dananjaya, I Kadek Wahyu (2023) ANALISIS PERBANDINGAN METODE PEMBOBOTAN TF-RF DAN TF-ABS PADA KATEGORISASI DOKUMEN BERITA DI BALAI DIKLAT INDUSTRI DENPASAR MENGGUNAKAN KLASIFIKASI K-NEAREST NEIGHBORS. Undergraduate thesis, Universitas Pendidikan Ganesha.
Text (COVER)
1815091039-COVER.pdf Download (3MB) |
|
Text (ABSTRAK)
1815091039-ABSTRAK.pdf Download (906kB) |
|
Text (BAB 1 PENDAHULUAN)
1815091039-BAB 1 PENDAHULUAN.pdf Download (2MB) |
|
Text (BAB 2 KAJIAN TEORI)
1815091039-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (8MB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1815091039-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (4MB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1815091039-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (8MB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1815091039-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (667kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1815091039-DAFTAR PUSTAKA.pdf Download (1MB) |
|
Text (LAMPIRAN)
1815091039-LAMPIRAN.pdf Download (1MB) |
Abstract
Balai Diklat Industri Denpasar adalah sebuah instansi pemerintahan yang bertugas melaksanakan pendidikan dan pelatihan bagi sumber daya manusia industri di bidang keahlian animasi, kerajinan dan barang seni. BDI Denpasar dalam pengelolaan kelas berita di sistem layanan Kabar Insan Oke ini masih menggunakan cara konvensional yang menyebabkan kinerja pegawai kurang maksimal. Oleh sebab itu diperlukan sebuah modul klasifikasi berita otomatis. Penelitian ini dilakukan untuk membandingkan performa klasifikasi berita pada BDI Denpasar menggunakan klasifikasi K-Nearest Neighbhors (K-NN) dengan metode pembobotan kata TF-RF dan TF-ABS. Metode yang memiliki tingkat performa yang tinggi akan diimplementasikan pada modul klasifikasi berita. Penelitian ini dilakukan dengan cara mengumpulkan dokumen berita, preprocessing, term weighting, klasifikasi, validasi model dan pengujian. Klasifikasi K-Nearest Neighbhors (K-NN) menggunakan parameter n_neighbhor (k) yaitu k=3, k=5, k=7 dan k=9 menggunakan dataset sebanyak 324 dokumen berisikan 7 kelas yang diambil dari website BDI Denpasar. Berdasarkan hasil pengujian yang dilakukan, metode pembobotan kata TF-RF memperoleh tingkat perfomansi yang lebih tinggi atau lebih baik dalam pengujian confussion matrix pada nilai k=5 dengan accuracy adalah 71% dengan precision 73% dan recall sebesar 71%. Metode pembobotan kata TF-ABS nilai k yang performansinya tertinggi terdapat pada k=9 yang memperoleh accuracy sebesar 70%, precision sebesar 63% dan recall sebesar 70%. Jadi metode yang akan diimplementasikan pada modul klasifikasi berita yaitu TF-RF.
Item Type: | Thesis (Undergraduate) |
---|---|
Uncontrolled Keywords: | Klasifikasi, Term Weighting, TF-RF, TF-ABS, K-Nearest Neighbhors |
Subjects: | T Technology > TN Mining engineering. Metallurgy |
Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
Depositing User: | I Kadek Wahyu Dananjaya |
Date Deposited: | 23 Feb 2023 00:42 |
Last Modified: | 23 Feb 2023 00:42 |
URI: | http://repo.undiksha.ac.id/id/eprint/14566 |
Actions (login required)
View Item |