TEXT MINING CLASSIFICATION SEBAGAI REKOMENDASI DOSEN PEMBIMBING TUGAS AKHIR PROGRAM STUDI SISTEM INFORMASI

Zuliar Efendi, Mustakim Mustakim

Abstract


Penelitian merupakan karya ilmiah dari kegiatan mahasiswa berupa penelitian yang membahas suatu masalah sesuai dengan ilmu pada program studi yang ditempuh mahasiswa dengan menggunakan aturan yang berlaku serta bimbingan oleh dosen pembimbing. Dengan memanfaatkan data proposal tugas akhir, bisa ditemukan suatu pola menarik dengan menggunakan text mining. Didalam text mining terdapat klasifikasi yang salah satu algoritmanya yaitu K-Nearest Neighbour (KNN). KNN digunakan karena terdapat nilai k yang bisa menjadi alternatif pilihan. Sebelum menggunakan KNN, dilakukan pembobotan dengan menggunakan Term Frequency dan Inverse Document Frequency (TF-IDF). Setelah pembobotam, dilakukan perhitungan similaritas antar dokumen menggunakan Cosine Similarity. Kemudian digunakan nilai k pada KNN dari data yang telah diurutkan pada Cosine Similarity. Nilai k yang digunakan yaitu 15, karena kelas yang dihasilkan terdapat hasil tunggal atau satu yang dominan. Akurasi yang didapat dalam klasifikasi dengan k = 15 yaitu sebesar 60%.


Full Text:

PDF

References


Salam dkk. Sistem Rekomendasi Penentuan Dosen Pembimbing Tugas Akhir Dengan Menggunakan Algoritma Rabin-Karp. Techno.COM. 2015; Vol. 14, No. 3, Agustus.

Sugiyono. Cara Mudah Menyusun Skripsi, Tesis dan Disertasi. Yogyakarta : ALFABETA. 2013.

Hariyati, Rini Maryuni. 2012. Survey Kinerja Dosen Pembimbing Skripsi Dan Kualitas Skripsi Mahasiswa Akuntansi STIE Malangkucecwara. JDA, Vol. 4, No. 2, September.

Kurniawan dkk. Klasifikasi Konten Berita Dengan Metode Text Mining. Jurnal Dunia Teknologi Informasi, 2012; Vol. 1, No.1.

Sanjaya dan Absar. Pengelompokkan Dokumen Menggunakan Winnowing Fingerprint dengan Metode K-Nearest Neighbour. Jurnal CoreIT. 2015; Vol. 1, No. 2, Desember.

Winarko dan Jumadi. Penggunaan KNN (K-Nearest Neighbor) untuk Klasifikasi Teks Berita yang Tak-Terkelompokkan pada saat Pengklasteran Oleh STC (Suffix Tree Clustering). 2015; Vol. 9, No. 1.

Larasati, Rosiana. Klasiifikasi Teks dengan Menggunakan Algoritma K-Nearest Neighbour Classifier Pada Dokumen Tugas Akhir. Tugas Akhir: Universitas Widyatama.

Herdiawan. Analisis Sentimen Terhadap Telkom Indihome Berdasarkan Opini Publik Menggunakan Metode Improved K-Nearest Neighbor. Komputa

Jayanti dan Noeryanti. Aplikasi Metode K-Nearest Neigbor dan Analisis Diskriminasi Untuk Analisis Resiko Kredit pada Koperasi Simpan Pinjam di Kopinkra Sumber Rejeki. SNAST. 2014; 15 November.

Tala, Fadilla Z. A Study of Stemming Effect on Information Retrieval in Bahasa Indonesia. Master’s Thesis, University of Amsterdam. 2003.

Agusta, Ledy. Perbandingan Algoritma Stemming Porter dengan Algoritma Nazief & Adriani untuk Stemming Dokumen Teks Bahasa Indonesia. KNS. 2009; November.

Purwanti, Endah. Klasifikasi Dokumen Temu Kembali Informasi dengan K-Nearest Neghbour Information Retrieval Document Classified with K-Nearest Neighbor. Record and Library Journal. 2015; Vol. 1, No. 2, Juli-Desember.

Banjarsari, dkk. Penerapan K-Optimal Pada Algoritma Knn untuk Prediksi Kelulusan Tepat Waktu Mahasiswa Program Studi Ilmu Komputer Fmipa Unlam Berdasarkan IP Sampai Dengan Semester 4. KLIK. 2015; Vol. 2, No. 02, September.


Refbacks

  • There are currently no refbacks.


Fakultas Sains dan Teknologi

UIN Sultan Syarif Kasim Riau

Jl. HR. Soebrantas KM 18 No. 155 Pekanbaru Riau Indonesia

Website: http://fst.uin-suska.ac.id

Email: fst@uin-suska.ac.id