Penerapan Algoritma Enhance Confix Stripping Stemmer untuk Klasifikasi Dataset Multiclass pada Teks Berita Menggunakan K-Nearest Neighbor
ALVIANDA RICKY LUKMAN PRATAMA
Informasi Umum
Kode
21.04.3270
Klasifikasi
006.31 - Machine Learning
Jenis
Karya Ilmiah - Skripsi (S1) - Reference
Subjek
Machine Learning
Dilihat
240 kali
Informasi Lainnya
Abstraksi
Kebutuhan informasi berita semakin meningkat sejak perubahannya dari media fisik ke media online. Berita dikelompokan sesuai kategori sehingga memudahkan pembaca memperoleh berita yang diinginkan. Pengelompokan untuk menentukan kategori informasi berita dikenal dengan istilah klasifikasi teks. Banyaknya kata pada teks berita menimbulkan keberagaman kata yang ada dan dapat diminimalisir dengan proses stemming, yaitu mengubah suatu kata berimbuhan menjadi kata dasarnya. Penelitian ini membandingkan penggunaan stemming dan tanpa stemming serta mencari nilai K terbaik dan perhitungan jarak optimum pada algoritma K-Nearest Neighbor dalam mengklasifikasikan teks berita. Hasil terbaik klasifikasi didapat dengan kondisi tanpa menerapkan algoritma stemming dengan jumlah K=9 menggunakan cosine distance untuk perhitungan jarak yang menghasilkan akurasi sebesar 0,9671. Hasil tersebut lebih besar daripada klasifikasi yang menerapkan algoritma stemming pada kondisi K=7 menggunakan cosine distance yang menghasilkan akurasi sebesar 0,9660.
Koleksi & Sirkulasi
Seluruh 1 koleksi sedang dipinjam
Anda harus log in untuk mengakses flippingbook
Pengarang
| Nama | ALVIANDA RICKY LUKMAN PRATAMA |
| Jenis | Perorangan |
| Penyunting | Widi Astuti, Adiwijaya |
| Penerjemah |
Penerbit
| Nama | Universitas Telkom, S1 Informatika |
| Kota | Bandung |
| Tahun | 2021 |
Sirkulasi
| Harga sewa | IDR 0,00 |
| Denda harian | IDR 0,00 |
| Jenis | Non-Sirkulasi |
