Klasifikasi Topik Berita menggunakan Mutual Information dan Bayesian Network
FAHMI SALMAN NURFIKRI
Informasi Umum
Kode
18.04.123
Klasifikasi
C -
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Natural Language Processing
Dilihat
289 kali
Informasi Lainnya
Abstraksi
Seiring dengan meningkatnya perkembangan internet, maka pertumbuhan informasi tekstual di internet terus mengalami peningkatan. Dengan peningkatan informasi tersebut, maka kebutuhan pengklasifikasian berita secara otomatis sangat dibutuhkan untuk menemukan informasi atau berita yang diinginkan. Salah satu cara untuk mengelopokan suatu berita ke dalam kategori tertentu berdasarkan informasi yang terdapat dalam berita tersebut adalah text classification. Salah satu metode dalam text classification adalah Bayesian Network. Bayesian Network merupakan salah satu metode reasoning yang memodelkan hubungan antar variabel dalam Probabilistic Graphical Model (PGM). Keuntungan Bayesian Network dibandingkan dengan metode yang lain yaitu, cocok untuk dataset yang kecil dan tidak lengkap, dapat menangani ketidakpastian dan pengambilan keputusan, dan komputasi yang cepat. Selain itu, dilakukan seleksi fitur dengan menggunakan metode Mutual Information untuk mengu- rangi jumlah dimensi dan untuk meningkatkan performa klasifikasi. Hasil dari klasifikasi ini dinyatakan dalam F1-measure micro-average de- ngan nilai performansi sebesar 75,34%.
- CCH3F3 - KECERDASAN BUATAN
- CSH3L3 - PEMBELAJARAN MESIN
- CSH4O3 - PEMROSESAN BAHASA ALAMI
- CSH4H3 - PENAMBANGAN TEKS
- CII3C3 - PEMBELAJARAN MESIN
- CII4G3 - PEMROSESAN BAHASA ALAMI
- CPI3C3 - PEMBELAJARAN MESIN
Koleksi & Sirkulasi
Tersedia 1 dari total 1 Koleksi
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | FAHMI SALMAN NURFIKRI |
| Jenis | Perorangan |
| Penyunting | Adiwijaya, Mohamad Syahrul Mubarok |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom |
| Kota | Bandung |
| Tahun | 2018 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
