Klasifikasi Dokumen Teks menggunakan SVM-DTA (Support Vector Machines with Decission Tree Architecture)

Erni Dianawati

Informasi Umum

Kode

113118014

Klasifikasi

003.3 - Computer science- system- computer modeling and simulation

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Computer Science

Dilihat

21 kali

Informasi Lainnya

Abstraksi

Kebutuhan akan informasi dari tahun ke tahun semakin meningkat seiring dengan perkembangan teknologi dan kebutuhan masyarakat dalam mengetahui informasi terbaru. Informasi yang beredar saat ini tidak hanya berasal dari media cetak saja, bahkan media internet sudah menjadi salah satu sumber informasi yang utama. Menurut situs http://direktori.perusahaan.web.id/index.php?search=berita ada sekitar 136 situs online yang terdaftar sebagai situs berbahasa indonesia yang memuat berbagai informasi seperti musik, teknologi, nasional maupun internasional. Beberapa situs yang terdaftar yakni, http://www.liputan6.com/ , http://www.metrotvnews.com/ , http://www.wartajazz.com/ , http://www.musikindo.com/

, dan lain

lain. Munculnya situs

situs berita online indonesia sejalan dengan meningkatnya pengguna internet di indonesia yang mencapai 63 juta orang Banyaknya informasi yang beredar, membuat pembagian informasi ke dalam kategori yang tepat cukup penting. Selain untuk tidak menimbulkan kerancuan pada pem baca, pengkategorian yang tepat juga dapat m embuat pembaca mendapatkan info rmasi yang di inginkan. Salah satu cara untuk menyelesaikan permasalahan tersebut adalah dengan melakukan pengklasifikasian secara otomatis informasi yang ada. Klasifikasi dokumen m erupakan proses pengelompokkan dokumen yang sesuai dengan kategori yang terkandung dalam isi dokumen tersebut . Pada Tugas Akhir ini, proses pengklasifikasian menggunakan metode support Vector Machine with Decission Tree Architecture

(SVM

DTA). Dengan menggu nakan metode tersebut sistem dapat mengklasifikasikan berita secara otomatis. Pengklasifikasian terbaik didapat ketika sistem menggunakan kernel RBF dengan parameter C =10 dan gamma = 1 dan pada kernel polynomial dengan parameter C=10 dan degree =2,nilai er ror rate yang dihasilkan lebih kecil daripada pengujian yang lain yakni 4%. lassification, text, SVM - DTA, tree