IMPLEMENTASI METODE FUZZY K-NEAREST NEIGHBOR DALAM KLASIFIKASI TUGAS AKHIR SEBAGAI PENENTUAN BIDANG MINAT

22074226, Bernadetha Ayu Setyaningtyas (2011) IMPLEMENTASI METODE FUZZY K-NEAREST NEIGHBOR DALAM KLASIFIKASI TUGAS AKHIR SEBAGAI PENENTUAN BIDANG MINAT. Bachelor thesis, Universitas Kristen Duta Wacana.

	Text (Skripsi Informatika) 22074226_bab1_bab5-daftarpustaka.pdf Download (421kB)
	Text (Skripsi Informatika) 22074226_bab2-sd-bab4_lampiran.pdf Restricted to Registered users only Download (2MB) | Request a copy

Abstract

Pencarian topik Tugas Akhir bukan merupakan hal yang mudah, banyak cara yang dilakukan mahasiswa untuk mendapatkannya, salah satunya dengan membaca refesensi dari Tugas Akhir yang pernah dibuat. Repository SInTA menyediakan kumpulan dokumen Tugas Akhir yang pernah disusun oleh mahasiswa UKDW. Namun demikian metadata dalam SInTA tidak menginformasikan mengenai bidang minat pada setiap dokumennya. Sementara itu bidang minat berguna dalam pencarian topik guna menyesuaikan topik tugas akhir dengan kemampuan dan minat mahasiswa. Metode klasifikasi K-Nearest Neighbor telah banyak dikembangkan untuk meningkatkan keakuratan klasifikasi, salah satu pengembangannya adalah metode Fuzzy K-Nearest Neighbor. Metode Fuzzy K-Nearest Neighbor digunakan dalam penelitian ini untuk melakukan klasifikasi pada dokumen tugas akhir ke dalam kategori bidang minat. Kemampuan klasifikasi metode Fuzzy K-Nearest Neighbor dengan hasil probabilitas untuk setiap kategori dan probabilitas terbesar diberikan pada jarak terpendek menghasilkan presisi yang lebih tinggi dari metode KNearest Neighbor. Hasil klasifikasi sangat dipengaruhi oleh data training set yang digunakan, oleh sebab itu jumlah dan konten dokumen yang akan digunakan sebagai training set harus ditentukan dengan benar sehingga dapat mewakili setiap kategori. Preprocessing dokumen teks sebelum klasifikasi membutuhkan waktu yang cukup lama oleh karena itu penggunaan memory dan stored database perlu dikembangkan untuk peningkatan kecepatan eksekusi program.

Actions (login required)

View Item