Ekstraksi Informasi Dokumen Karya Tulis Ilmiah Menggunakan Learning Vector Quantization

Sasmita, Firdamdam (2018) Ekstraksi Informasi Dokumen Karya Tulis Ilmiah Menggunakan Learning Vector Quantization. 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

Pendeteksian setiap komponen dokumen karya tulis ilmiah sulit dilakukan untuk dokumen yang memiliki format beragam. Permasalahan tersebut dapat diatasi jika menggunakan machine learning. Algoritma machine learning yang digunakan pada penelitian ini adalah LVQ. Algoritma LVQ merupakan salah satu bagian algoritma dari Jaringan Syaraf Tiruan. Dengan algoritma tersebut, setiap komponen yang ada pada dokumen karya tulis ilmiah akan dipelajari terlebih dahulu oleh algoritma LVQ, kemudian dilakukan pengujian untuk mengekstraksi komponen-komponen pada dokumen karya tulis ilmiah. Berdasarkan pengujian pada 40 dokumen karya tulis ilmiah skripsi tahun 2011 sampai 2018, diperoleh rata-rata akurasi dengan bentuk pengujian token-kelas sebesar 78%. Perolehan akurasi token-kelas disebabkan oleh penggunaan fitur pembobotan. Sedangkan, akurasi dengan bentuk pengujian kelas-token diperoleh sebesar 6%. Rendahnya akurasi kelas-token disebabkan oleh pengaruh algoritma LVQ, salah ejaan, dan munculnya simbol tidak beraturan.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Ekstraksi Informasi, Learning Vector Quantization, LVQ, Karya Tulis Ilmiah, Skripsi.
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2018
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Date Deposited: 31 Jan 2019 10:25
Last Modified: 31 Jan 2019 10:25
URI: https://repository.unikom.ac.id/id/eprint/59406

Actions (login required)

View Item View Item