Computer File
Pengelompokan dokumen otomatis dengan menggunakan TFIDf classifier, naive bayes classifier dan KNN
Meningkatnya popularitas internet pada beberapa tahun ini membuat dokumen elektrOnik banyak bermunculan. Dokumen-dokumen elektronik ini berjumlah sangat banyak dan isi dari dokumen dapat bermacam-macam mulai dari sejarah, berita terkini, ekonomi, kriminalitas, dan masih banyak yang lain. Banyaknya dokumen yang beredar dengan bermacam-macam isi membuat pengkategorian dokumen secara manual tidak lagi efektif maka dari itu diperlukan pengkategorian dokumen secara otomatis. Sudah banyak algoritma untuk melakukan klasifikasi dokumen yang banyak dikembangkan salah
satunya adalah TFIDF classifier, Naive Bayes Classifier dan k Nearest Neighbor. Pada skripsi ini akan dibangun perangkat lunak untuk melakukan klasifikasi dokumen dengan tiga algoritma tersebut. Tiga algoritma tersebut dipilih karena ketiga algoritma tersebut adalah algoritma klasifikasi dokumen yang umum digunakan tetapi mempunyai
performansi yang tinggi. Hasil yang didapatkan dari skripsi ini adalah perangkat lunak yang dapat melakukan klasifikasi dokumen dengan TFIDF classifier, Naive Bayes classifier, and kNN. Ketiga algoritma tersebut sudah diuji dan dianalisis sehingga didapatkan kesimpulan bahwa dari ketiga algoritma klasifikasi tersebut Naive Bayes Classifier adalah algoritma klasifikasi yang paling akurat dengan waktu proses pelatihan yang cepat.
Kata-kata kunci: Klasifikasi dokumen, TFIDF, Naive Bayes, kNN, Pembelajaran mesin
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp30075 | DIG - FTIS | Skripsi | INFO HER p/15 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain