KLASIFIKASI SINOPSIS SKRIPSI JARINGAN DAN NON
2020
JARINGAN MENGGUNAKAN ALGORITMA SUPPORT
VECTOR MACHINE (SVM)
Total View This Week1
Total View This Week1
Institusion
STMIK Bumi Gora
Author
ACHMAD, JAKA DWENA PUTRA
Subject
T Technology (General)
Datestamp
2020-05-08 00:27:50
Abstract :
Mahasiswa Universitas Bumigora memulai melaksanakan skripsi dengan mengangkat sebuah topik penelitian melalui sinopsis. Kepala Program Studi S1 Ilmu Komputer menjelaskan bahwa ada masalah pada saat penerimaan topik sinopsis. Pada saat petugas menerima topik sinopsis, petugas tidak melakukan pengecekan pada kontennya. Sehingga pada saat ujian sinopsis, ada Dosen Penguji yang menemukan bahwa sinopsis yang diujikan tidak sesuai padakompetensinya. Support Vector Machine (SVM) merupakan bentuk pengklasifikasi yang berusaha untuk menentukan linear separators (garis pemisah) yang optimal antar kelas yang berbeda. Melalui implementasi SVM, diharapkan dapat mengklasifikasikan topik sinopsis berdasarkan perbedaan kompetensi sehingga Program Studi dapat menentukan keputusan untuk menerima atau menolak sinopsis mahasiswa lebih awal. Karatkteristik data sinopsis yang digunakan adalah sinopsis pada jenjang S1 Ilmu Komputer dengan kompetensi Jaringan dan Non-Jaringan (Rekayasa Perangkat Lunak dan Multimedia). Ada sebanyak 87 dataset sinopsis yang digunakan dengan komposisi data training dan data test sebesar 80:20. Tahapantahapan dalam melaksanakan penerapan Algoritma SVM antara lain, Preprocessing, pembobotan TF-IDF, klasifikasi SVM, dan pengujian menggunakan Classification Accuration, Precision, dan Recall. Kesimpulan pada penelitian ini dengan menggunakan 18 data test adalah klasifikasi sinopsis berdasarkan kompetensi melalui SVM berhasil dilakukan dengan tingkat Accuration, Precision, dan Recall di atas 80%.
Mahasiswa Universitas Bumigora memulai melaksanakan skripsi dengan mengangkat sebuah topik penelitian melalui sinopsis. Kepala Program Studi S1 Ilmu Komputer menjelaskan bahwa ada masalah pada saat penerimaan topik sinopsis. Pada saat petugas menerima topik sinopsis, petugas tidak melakukan pengecekan pada kontennya. Sehingga pada saat ujian sinopsis, ada Dosen Penguji yang menemukan bahwa sinopsis yang diujikan tidak sesuai padakompetensinya. Support Vector Machine (SVM) merupakan bentuk pengklasifikasi yang berusaha untuk menentukan linear separators (garis pemisah) yang optimal antar kelas yang berbeda. Melalui implementasi SVM, diharapkan dapat mengklasifikasikan topik sinopsis berdasarkan perbedaan kompetensi sehingga Program Studi dapat menentukan keputusan untuk menerima atau menolak sinopsis mahasiswa lebih awal. Karatkteristik data sinopsis yang digunakan adalah sinopsis pada jenjang S1 Ilmu Komputer dengan kompetensi Jaringan dan Non-Jaringan (Rekayasa Perangkat Lunak dan Multimedia). Ada sebanyak 87 dataset sinopsis yang digunakan dengan komposisi data training dan data test sebesar 80:20. Tahapantahapan dalam melaksanakan penerapan Algoritma SVM antara lain, Preprocessing, pembobotan TF-IDF, klasifikasi SVM, dan pengujian menggunakan Classification Accuration, Precision, dan Recall. Kesimpulan pada penelitian ini dengan menggunakan 18 data test adalah klasifikasi sinopsis berdasarkan kompetensi melalui SVM berhasil dilakukan dengan tingkat Accuration, Precision, dan Recall di atas 80%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
