Eco Cevin Sagala, Rozesh (2017) Implementasi Algoritma Fuzzy K-NNC Untuk Klasifikasi Proposal Skripsi Berdasarkan Kelompok Keilmuan Di Teknik Informatika UNIKOM. Diploma thesis, Universitas Komputer Indonesia.
Full text not available from this repository.Abstract
Pada penelitian Yosep amin tentang klasifikasi proposal skripsi menggunakan metode fuzzy k-nearest neighbour (FK-NN) masih memiliki akurasi yang rendah, dimana penelitian tersebut menghasilakn akurasi sebesar 51% pada K=7 dan K=8. Pada penelitian yang dilakukan oleh Eko prasetyo mengenai ��Fuzzy K-Nearest Neighbour in every class untuk klasifikasi data��, menunjukkan bahwa metode FK-NNC lebih baik di bandingkan dengan metode FK-NN, sehingga metode FK-NNC akan dicoba untuk diimplementasikan dalam klasifikasi proposal skripsi dalam penelitian ini. Penelitian ini akan melakukan peringkasan teks terlebih dahulu sebelum dilakukan proses kalsifikasi, dimana hal ini untuk memperkecil ukuran matriks yang ada, setelah itu hasil ekstraksi akan dimasukkan dalam data latih ataupun data uji. Parameter yang digunakan sebagai faktor penilaian yakni dilihat dari latar belakang proposal skripsi. Berdasarkan hasil pengujian dari metode FK-NNC dalam klasifikasi proposal skripsi didapatkan nilai keakuratan yang terbesar yaitu pada K=8 dan K=10 dengan nilai akurasi sebesar 77,7 %. Maka dari itu disimpulkan metode FKNNC dapat digunakan dalam pengklasifikasian proposal skripsi.
| Item Type: | Thesis (Diploma) |
|---|---|
| Uncontrolled Keywords: | klasifikasi, Fuzzy K-Nearest Neighbors, Fuzzy k-nnc, ekstraksi teks, peringkasan. |
| Subjects: | S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2017 |
| Divisions: | Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1) |
| Date Deposited: | 10 Nov 2017 03:34 |
| Last Modified: | 10 Nov 2017 03:34 |
| URI: | http://repository.unikom.ac.id/id/eprint/54410 |
Actions (login required)
 |
View Item |
