Analisis Peningkatan Akurasi Klasifikasi Pada Perangkat Lunak Dodo Kids Browser

Assegaf, Nizar (2016) Analisis Peningkatan Akurasi Klasifikasi Pada Perangkat Lunak Dodo Kids Browser. Diploma thesis, Universitas Komputer Indonesia.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Penggunaan internet telah menjadi kebutuhan sehari-hari masyarakat dan bahkan anak-anak pun telah terbiasa menggunakan internet. Berangkat dari keinginan untuk mengawasi kegiatan internet anak, maka tim dodo project membuat perangkat lunak ��dodo kids browser�� sebagai sarana untuk mengawasi penggunaan internet anak. Akan tetapi perangkat lunak ��dodo kids browser�� masih memiliki masalah pada proses klasifikasi website. Masalah tersebut disebabkan karena rendahnya akurasi klasifikasi algoritma na�¯ve bayes yang digunakan pada proses klasifikasi pada perangkat lunak ��dodo kids browser��, yang memiliiki akurasi klasifikasi sebesar 74%. Selain itu diyakini oleh projek tim leader ��dodo kids browser�� diperlukan juga fungsional untuk pengambilan data dari detail halaman website, untuk dijadikan sumber data yang digunakan pada proses klasifikasi Implementasi algoritma KNN dan penambahan fungsional pengambilan data website, dilakukan dengan tujuan agar dapat menjadi solusi untuk meningkatkan akurasi klasifikasi pada perangkat lunak ��dodo kids browser��, karena terdapat hasil penelitian yang membuktikan algoritma KNN dapat melakukan klasifikasi dengan akurasi lebih baik dari pada na�¯ve bayes, selain itu juga ada penelitian yang menunjukan hasil klasifikasi website lebih baik jika sumber data digunakan berasal dari detail halaman website. Setelah dilakukan implementasi algoritma knn dan fungsional pengambilan detail halaman website pada MVP(minimum viable product) ��dodo kids browser��, kemudian dilakukan pengujian untuk mengukur akurasi klasifikasi pada MVP. Pada hasil penelitian dapat disimpulkan bahwa dengan menggunakan algoritma KNN dan menggunakan sumber data dari detail halaman website memiliki tingkat akurasi yang lebih tinggi yaitu sebesar 83,34%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Klasifikasi Text, KNN, ekstension browser
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2016
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: Admin Repository
Date Deposited: 16 Nov 2016 07:35
Last Modified: 16 Nov 2016 07:35
URI: http://repository.unikom.ac.id/id/eprint/401

Actions (login required)

View Item View Item