Klasifikasi Abstrak Tugas Akhir Mahasiswa DIII Politeknik Harapan Bersama Tegal

Yerry Febrian Sabanise

Abstract


Abstraksi tugas akhir mahasiswa merupakan initisari dari suatu penelitan yang dilakukan oleh mahasiswa. Berbagai tema diangkat dalam tugas akhir ini. Tetapi dari tema tema tersebut, untuk mengklasifikasi abstrak tugas akhir mahasiswa masih sulit dilakukan dilihat dari akurasi penelitian yang telah dilakukan belum mencapai 90%. Oleh karena itu, penelitian ini dilakukan untuk mengklasifikasi abstrak tugas akhir untuk mendapatkan memudahkan dalam mencari tugas akhir. Dan juga untuk dapat menentukan atribut terbaik dari hasil text prosesing dengan klasifikasi menggunakan naive bayes. permasalahannya adalah tidak adanya pedoman baku dalam menentukan parameter yang akan digunakan pada metode ini sehingga yang dipakai adalah metode eksperimen. Untuk itu diperlukan metode yang dapat menyelesaikan permasalahan tersebut, sehingga parameter yang didapatkan dapat menjadi lebih optimal. Solusi yang dapat diterapkan adalah dengan menerapkan Algoritma genetika (GA) pada Naïve Bayes, untuk dapat menentukan atribut terbaik. Hasil yang didapatkan adalah ternyata penerapan teknik optimasi dengan Algoritma Genetika dapat mempermudah dalam mencari nilai parameter secara optimal dan dapat meningkatkan nilai akurasi pada algoritma Naïve bayes, dengan demikian model yang didapatkan dapat digunakan bagi para pencari referensi tugas akhir untuk mencari referensi tugas akhir yang tepat berdasarkan kata dari atribut yang terbaik.

Full Text:

References


M. D. R. R. M. Dr.Ir.Bambang Dwiloka, Teknik Menulis Karya Ilmiah, Jakarta: Bhineka Cipta, 2012.

W. Chang., Metodologi Penulisan Ilmiah, Jakarta: Erlangga, 2014.

Han, J., & Kamber, M. Data Mining Concepts and Techniques. San Francisco: Diane Cerra, 2007.

B. Santoso, Data Mining Teknik Pemanfaatan Data Untuk Keperluan Bisnis, Yogyakarta, 2007.

M. Brammer, Principles of Data Mining. London: Spinger, 2007.

Vivek Narayan, "Fast And Accurate Sentiment Classification Using an Enhanced Naive Bayes Model," Spinger Verlag Berlin, pp. 194-201, 2013.

K. P. K. a. J. P. Vishwanath Bijalwan, "KNN based Machine Learning Approach for Text and Document Mining," International Journal of Database Theory and Application, vol. 7 no. 1, pp. 61-70, 2014.

M. M. M. Ms S. Vijayarani, "Comparative Analysis of Bayes and Lazy Classification Algorithms," International Journal of Advanced Research in Computer and Communication Engineering , vol. 2, no. 8, 2013.

Feldman. R. &. Sanger. J., The Text Mining Handbook Advance Approaches in Analyzing Unstructured Data, Cambridge University Press, 2007

Bakti, V.K. and Indriyatno, J., 2017. Klasterisasi Dokumen Tugas Akhir Menggunakan K-Means Clustering, Sebagai Analisa Penerapan Sistem Temu Kembali. KOPERTIP: Jurnal Ilmiah Manajemen Informatika dan Komputer, 1(1), pp.31-34.


Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Sekretariat:

2nd Seminar Nasional IPTEK Terapan (SENIT) 2017
Pusat Penelitian Pengabdian Masyarakat (P3M)
Politeknik Harapan Bersama Tegal

Jl. Mataram No.09 Pesurungan Lor Tegal
Telp: +62283 - 352000
Email: senitharber2017@gmail.com
Website: http://senit2017.poltektegal.ac.id/