eprintid: 2777
rev_number: 12
eprint_status: archive
userid: 34
dir: disk0/00/00/27/77
datestamp: 2020-10-20 03:36:22
lastmod: 2020-10-20 03:36:22
status_changed: 2020-10-20 03:36:22
type: thesis
metadata_visibility: show
contact_email: repository@staff.ukdw.ac.id
creators_name: 22084416, SETIADI YULIANTO
creators_id: setiadi.yulianto@ti.ukdw.ac.id
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_type: http://www.loc.gov/loc.terms/relators/THS
contributors_name: C., Antonius Rachmat
contributors_name: Delima, Rosa
corp_creators: Universitas Kristen Duta Wacana
title: IMPLEMENTASI METODE K- NEAREST NEIGHBOR DALAM PENENTUAN AUTO-TAGGING PADA ARTIKEL BLOG
ispublished: pub
subjects: QA75
subjects: QA76
divisions: tek_informatika
full_text_status: restricted
keywords: Auto-Tagging, K-Nearest Neighbor, TF-IDF ,Cosine Similarity
abstract: Saat ini ketersediaan sumber informasi sangatlah besar. Informasi yang disajikan sebagian besar berbentuk teks dan elektronik. Kondisi ini menyebabkan kesulitan bagi pengguna untuk mendapatkan informasi yang dibutuhkan. Oleh karena itu dilakukanlah pengelompokan informasi menurut kemiripannya. Hal ini dinamakan label (tagging). Label adalah kata kunci yang tugasnya adalah menunjukkan potongan-potongan informasi yang dilakukan untuk membantu mengklasifikasi suatu data yang ada. Meskipun tagging mempermudah pencarian, sebagian orang melakukan tagging secara manual. Pada penelitian ini akan diteliti mengenai pembuatan auto-tagging oleh sistem dengan metode K- Nearest Neighbor dengan menghitung nilai TF-IDF pada awalnya. Setelah itu akan dilakukan penghitungan Cosine Similarity dan perhitungan kembali TF-IDF baru yang kemudian terbentuklah auto-tagging. Dalam penelitian ini juga akan dilakukan perbandingan seberapa besar kemiripan hasil dari tag baru dengan tag awal dari artikel tersebut. Penelitian membuktikan bahwa nilai dari K tidak mempengaruhi hasil keakuratan dari sistem sedangkan semakin besar feature selection, semakin baik pula akurasi yang dihasilkan. Penggunaan feature selection yang optimal berada di 90%. Pada penelitian antara hasil keakuratan antara penggunaan bobot (TFIDF) dan tidak diberi bobot didapatkan bahwa pemberian bobot memiliki akurasi
yang lebih baik.
date: 2016-07
date_type: published
pages: 43
institution: Universitas Kristen Duta Wacana
department: Informatika
thesis_type: skripsi
thesis_name: other
citation:   22084416, SETIADI YULIANTO  (2016) IMPLEMENTASI METODE K- NEAREST NEIGHBOR DALAM PENENTUAN AUTO-TAGGING PADA ARTIKEL BLOG.  Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.   
document_url: https://katalog.ukdw.ac.id/2777/1/22084416_bab1_bab5_daftarpustaka.pdf
document_url: https://katalog.ukdw.ac.id/2777/2/22084416_bab2-sd-bab4_lampiran.pdf