ANALISIS KINERJA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI JUDUL ARTIKEL DALAM JURNAL ILMIAH

Marwan Irsyad Muhammad, Irsyad (2023) ANALISIS KINERJA NAÏVE BAYES DAN K-NEAREST NEIGHBOR UNTUK KLASIFIKASI JUDUL ARTIKEL DALAM JURNAL ILMIAH. Diploma thesis, Universitas Nasional.

Text BAB I.pdf Download (224kB)

Abstract

Perkembangan teknologi Informatika membuat kebutuhan akan otomasi pada sistem kerja semakin meningkat. Termasuk kebutuhan akan klasifikasi artikel jurnal secara otomatis mulai dibutuhkan untuk menentukan kategori jurnal yang tepat. Metode text mining telah dapat digunakan untuk melakukan otomatisasi artikel jurnal berdasarkan kategori. Penelitian ini memakai beberapa metode text mining yakni Naïve Bayes(NB) dan K-Nearest Neigbor(K-NN).Dataset yang digunakan berupa judul artikel junal sejumlah 531 data yang kemudian dipisahkan menjadi data uji dan data latih. Hasil akurasi yang didapat dengan menggunakan KNN sebesar 75,70% dengan data uji 20% dan k=5. Hasil akurasi menggunakan NB adalah sebesar 77,77% dengan menggunakan data uji 10%. Akurasi tidak terlalu berbeda jauh namun NB menciptakan akurasi yang sedikit lebih besar dibandingkan K-NN.

Item Type:	Thesis (Diploma)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Skripsi > Fakultas Teknologi Komunikasi dan Informatika > Program Studi Teknik Informatika
Depositing User:	- Abdurrahman -
Date Deposited:	24 Jul 2023 02:16
Last Modified:	02 Jan 2024 04:00
URI:	http://repository.unas.ac.id/id/eprint/7922

Actions (login required)

View Item