Penerapan Algoritma Cosine Similarity Dan Pembobotan
TF-IDF Pada System Penerimaan Mahasiswa Baru
Universitas Bumigoram Mataram
Total View This Week2
Total View This Week2
Institusion
STMIK Bumi Gora
Author
Zakiyuddin, Hizbu
Subject
LB2300 Higher Education
Datestamp
2021-02-26 01:01:35
Abstract :
Era globalisasi ditandai dengan perkembangan teknologi dan informasi, hal ini berimbas pada kebutuhan manusia akan informasi. PMB (Penerimaan Mahasiswa Baru) merupakan aktivitas rutin perguruan tinggi pada setiap pembukaan ajaran baru. Pelaksanaan PMB tidak luput dari berbagai pertanyaan yang sudah pernah ditanyakan sebelumnya. Dengan memanfaatkan teknologi informasi maka lahirlah FAQ (Frequently Asked Question) yang berisikan jawaban dari pertanyaan-pertanyaan yang sering dilontarkan oleh orang-orang yang membutuhkan informasi. Untuk mengurangi beban pihak PMB dalam menjawab pertanyaan secara berulang-ulang, maka dibangunlah sistem penjawab FAQ dengan menerapkan pembobotan TF-IDF (Term Frequency-Inverse Document Frequency) dan algoritma cosine similarity. Pembobotan TF-IDF merupakan metode untuk memberikan bobot hubungan suatu kata (term) terhadap suatu dokumen berdasarkan dua konsep, yaitu frekuensi kemunculan kata di dalam sebuah dokumen dan inverse frekuensi dokumen yang mengandung kata tersebut. TF-IDF digunakan untuk mengevaluasi seberapa pentingnya sebuah kata di dalam sebuah dokumen. Sedangkan cosine similarity merupakan metode yang digunakan untuk menghitung tingkat kesamaan (similarity) antar dua buah objek. Metode ini menghitung similarity antara dua buah objek yang dinyatakan dalam dua buah vektor dengan menggunakan kata kunci (keyword) dari sebuah dokumen sebagai ukuran. Penelitian ini menggunakan 7 buah sampel data dari keseluruhan data FAQ yang didapat dari wawancara dengan Ibu Susilawati, S.Kom, salah satu staf PMB Universitas Bumigora. Data sampel yang digunakan akan melalui proses preprocessing, pembobotan TF-IDF, dan metode cosine similarity untuk menentukan tingkat kesamaan tertinggi yang nantinya akan keluar sebagai hasil akhir. Dengan menggunakan pembobotan TF-IDF dan metode cosine similarity pada 7 data sampel bisa mendapatkan tingkat akurasi hingga mencapai 64.28%.
Era globalisasi ditandai dengan perkembangan teknologi dan informasi, hal ini berimbas pada kebutuhan manusia akan informasi. PMB (Penerimaan Mahasiswa Baru) merupakan aktivitas rutin perguruan tinggi pada setiap pembukaan ajaran baru. Pelaksanaan PMB tidak luput dari berbagai pertanyaan yang sudah pernah ditanyakan sebelumnya. Dengan memanfaatkan teknologi informasi maka lahirlah FAQ (Frequently Asked Question) yang berisikan jawaban dari pertanyaan-pertanyaan yang sering dilontarkan oleh orang-orang yang membutuhkan informasi. Untuk mengurangi beban pihak PMB dalam menjawab pertanyaan secara berulang-ulang, maka dibangunlah sistem penjawab FAQ dengan menerapkan pembobotan TF-IDF (Term Frequency-Inverse Document Frequency) dan algoritma cosine similarity. Pembobotan TF-IDF merupakan metode untuk memberikan bobot hubungan suatu kata (term) terhadap suatu dokumen berdasarkan dua konsep, yaitu frekuensi kemunculan kata di dalam sebuah dokumen dan inverse frekuensi dokumen yang mengandung kata tersebut. TF-IDF digunakan untuk mengevaluasi seberapa pentingnya sebuah kata di dalam sebuah dokumen. Sedangkan cosine similarity merupakan metode yang digunakan untuk menghitung tingkat kesamaan (similarity) antar dua buah objek. Metode ini menghitung similarity antara dua buah objek yang dinyatakan dalam dua buah vektor dengan menggunakan kata kunci (keyword) dari sebuah dokumen sebagai ukuran. Penelitian ini menggunakan 7 buah sampel data dari keseluruhan data FAQ yang didapat dari wawancara dengan Ibu Susilawati, S.Kom, salah satu staf PMB Universitas Bumigora. Data sampel yang digunakan akan melalui proses preprocessing, pembobotan TF-IDF, dan metode cosine similarity untuk menentukan tingkat kesamaan tertinggi yang nantinya akan keluar sebagai hasil akhir. Dengan menggunakan pembobotan TF-IDF dan metode cosine similarity pada 7 data sampel bisa mendapatkan tingkat akurasi hingga mencapai 64.28%.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
