IMPLEMENTASI ALGORITMA DECISION TREE ID3 UNTUK KLASIFIKASI ARTIKEL BERITA ONLINE

22074218, Andrew Junior Ongi Karyanto (2011) IMPLEMENTASI ALGORITMA DECISION TREE ID3 UNTUK KLASIFIKASI ARTIKEL BERITA ONLINE. Final Year Projects (S1) thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22074218_bab1_bab5_daftarpustaka.pdf Download (424kB)
	Text (Skripsi Informatika) 22074218_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (1MB) \| Request a copy

Abstract

Perkembangan teknologi telah membuat banyak informasi bermunculan. Pada saat ini, media informasi tersebut tidak hanya dalam bentuk kertas saja namun dokumen digital. Untuk mengorganisir dokumen digital tersebut juga cukup membutuhkan waktu. Salah satu cara agar bisa mengorganisir informasi-informasi tersebut dengan mudah adalah dengan melakukan klasifikasi dokumen secara otomatis, sehingga dokumen-dokumen tersebut dapat memiliki kategori secara otomatis sesuai kategori yang sudah dipersiapkan. Metode klasifikasi yang akan diterapkan adalah metode Decision Tree ID3. Metode Decision Tree ID3 menggunakan pohon keputusan untuk menghasilkan aturan-aturan yang digunakan untuk klasifikasi data. Dalam penelitian ini, kelas yang disiapkan untuk implementasi metode Decision Tree ID3 ini adalah sepakbola, otomotif, raket, dan tinju. Sistem akan melakukan klasifikasi terhadap masukan yang berasal dari RSS feed berdasarkan pohon keputusan yang dihasilkan dari metode Decision Tree ID3. Subyek utama dari penelitian ini adalah pada nilai akurasi yang dihasilkan oleh metode tersebut. Beberapa kesimpulan yang dapat diperoleh setelah melakukan penelitian tentang implementasi algoritma Decision Tree ID3 untuk klasifikasi artikel berita online adalah algoritma Decision Tree ID3 dapat diterapkan untuk klasifikasi artikel berita online dan dalam uji coba sistem nilai akurasi tertinggi didapat dengan menggunakan feature selection bernilai 10% dan 15%. Meskipun tidak bisa 100% akurat, namun algoritma ini dapat menghasilkan nilai akurasi yang cukup tinggi, yaitu 97,05%.

Item Type:	Student paper (Final Year Projects (S1))
Subjects:	Q Ilmu Pengetahuan > Matematika Q Ilmu Pengetahuan > Matematika > Komputer Elektronik. Ilmu Komputer Z Bibliografi. Ilmu Perpustakaan. Sumber Informasi > Sumber-sumber Informasi
Divisions:	Fakultas Teknologi Informasi > Prodi Informatika
Depositing User:	Ms Hilaria Fortuna
Date Deposited:	06 Oct 2021 03:11
Last Modified:	06 Oct 2021 03:11
URI:	http://katalog.ukdw.ac.id/id/eprint/5871

Actions (login required)

View Item