Ihsan, Afdhalul (2019) Klasifikasi Artikel Berita Menggunakan Metode K-Nearest Neighbor Berbasis Particle Swarm Optimization. Other thesis, Universitas Komputer Indonesia.
|
Text
UNIKOM_AFDHALUL IHSAN_COVER.pdf - Published Version Download (34kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_LEMBAR PENGESAHAN.pdf - Published Version Download (54kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (64kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (77kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_KATA PENGANTAR.pdf - Published Version Download (68kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_DAFTAR ISI.pdf - Published Version Download (171kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_BAB 1.pdf - Published Version Download (77kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_BAB 2.pdf - Published Version Download (253kB) | Preview |
|
Text
UNIKOM_AFDHALUL IHSAN_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy |
||
Text
UNIKOM_AFDHALUL IHSAN_BAB 4.pdf - Published Version Restricted to Repository staff only Download (215kB) | Request a copy |
||
|
Text
UNIKOM_AFDHALUL IHSAN_BAB 5.pdf - Published Version Download (11kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_DAFTAR PUSTAKA.pdf - Published Version Download (130kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_JURNAL DALAM BAHASA INDONESIA.pdf - Published Version Download (375kB) | Preview |
|
|
Text
UNIKOM_AFDHALUL IHSAN_JURNAL DALAM BAHASA INGGRIS.pdf - Published Version Download (320kB) | Preview |
|
Text
UNIKOM_AFDHALUL IHSAN_BIODATA.pdf - Published Version Restricted to Repository staff only Download (80kB) | Request a copy |
Abstract
Penelitian ini akan melakukan pengklasifikasian berita dengan mengimplementasikan algoritma K-Nearest Neighbor berbasis Particle swarm optimization. Pada penelitian ini Particle Swarm Optimization digunakan sebagai metode untuk melakukan seleksi fitur. Penelitian ini menggunakan dataset sebanyak 250 dokumen berita, 25 dokumen sebagai data uji dan 225 dokumen sebagai data latih.Tahapan pada penelitian ini terbagi menjadi 2 yaitu proses pelatihan dan pengujian. Berdasarkan hasil dari penelitian menunjukkan bahwa penggunaan Particle Swarm Optimization sebagai seleksi fitur dapat memberikan hasil akurasi yang lebih baik dibandingkan dengan tanpa menggunakan particle swarm optimization. Hasil akurasi yang didapat setelah melakukan seleksi fitur menggunakan particle swarm optimization sebesar 80% dengan nilai K= 9, banyak partikel yang dibangkitkan sebanyak 50, nilai c1 dan c2 = 1 dan total iterasi sebanyak 100. Pada penelitian ini metode particle swarm optimization belum memenuhi kondisi henti yang ditentukan sehingga hasil fitur yang dipilih belum optimal. Walaupun proses pada particle swarm optimization belum memenuhi kondisi henti, akan tetapi particle swarm optimization dapat meningkatkan akurasi pada proses pengklasifikasian sebesar 20% dibandingkan dengan tanpa menggunakan particle swarm optimization yang hanya mendapat akurasi tertinggi sebesar 60%.
Item Type: | Thesis (Other) |
---|---|
Uncontrolled Keywords: | K-Nearest Neighbor, Seleksi fitur, Particle Swarm Optimization, klasifikasi,Dataset |
Subjects: | 000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 004_Data Processing & Computer Science |
Divisions: | S1_SKRIPSI > FTIK_Teknik Informatika (01) |
Depositing User: | Mrs. Calis Maryani |
Date Deposited: | 19 Dec 2019 01:28 |
Last Modified: | 19 Dec 2019 01:28 |
URI: | http://elibrary.unikom.ac.id/id/eprint/1495 |
Actions (login required)
View Item |