Analisis Fitur Ekstraksi Informasi Surat Masuk Menggunakan Metode Learning Vector Quantization

Hidayat, Panji Nur (2020) Analisis Fitur Ekstraksi Informasi Surat Masuk Menggunakan Metode Learning Vector Quantization. Other thesis, Universitas Komputer Indonesia.

Preview	Text 1. 10115226_PANJI NUR HIDAYAT_COVER.pdf - Published Version Download (35kB) | Preview
Preview	Text 18. 10115226_PANJI NUR HIDAYAT_LEMBAR PENGESAHAN.pdf - Published Version Download (383kB) | Preview
Preview	Text 19. 10115226_PANJI NUR HIDAYAT_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (144kB) | Preview
Preview	Text 20. 10115226_PANJI NUR HIDAYAT_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (237kB) | Preview
Preview	Text 4. 10115226_PANJI NUR HIDAYAT_KATA PENGANTAR.pdf - Published Version Download (89kB) | Preview
Preview	Text 5. 10115226_PANJI NUR HIDAYAT_DAFTAR ISI.pdf - Published Version Download (46kB) | Preview
Preview	Text 11. 10115226_PANJI NUR HIDAYAT_BAB 1.pdf - Published Version Download (124kB) | Preview
Preview	Text 12. 10115226_PANJI NUR HIDAYAT_BAB 2.pdf - Published Version Download (261kB) | Preview
	Text 13. 10115226_PANJI NUR HIDAYAT_BAB 3.pdf - Published Version Restricted to Repository staff only Download (2MB) | Request a copy
	Text 14. 10115226_PANJI NUR HIDAYAT_BAB 4.pdf - Published Version Restricted to Repository staff only Download (649kB) | Request a copy
Preview	Text 15. 10115226_PANJI NUR HIDAYAT_BAB 5.pdf - Published Version Download (81kB) | Preview
Preview	Text 10. 10115226_PANJI NUR HIDAYAT_DAFTAR PUSTAKA.pdf - Published Version Download (106kB) | Preview

Abstract

Ekstraksi informasi dilakukan dengan cara mendeteksi komponen-komponen pada suatu dokumen. Adapun dokumen yang digunakan pada kasus ekstraksi informasi adalah adalah dokumen surat masuk. Penelitian ekstraksi informasi menggunakan metode LVQ sudah dilakukan sebelumnya pada kasus dokumen karya tulis ilmiah dan menghasilkan akurasi yang cukup tinggi sebesar 78%, hasil akurasi yang cukup tinggi ini dipengaruhi dari ekstraksi fitur yang diterapkan sebanyak 15 fitur untuk kasus karya tulis ilmiah. Kemudian pada penelitan ekstraksi informasi surat masuk dengan metode Naive-Bayes menghasilkan akurasi sebesar 96,96% dengan menerapkan 11 fitur yang mewakili ciri komponen surat masuk. Maka dari itu analisis fitur yang diterapkan akan sangat berpengaruh pada hasil klasifikasi dan akurasi. Hasil analisis fitur pada penelitian ini mendapati 9 fitur yang digunakan untuk kasus surat masuk. Dari hasil pengujian pada 10 dokumen surat masuk didapati akurasi rata-rata sebesar 63 % dengan akurasi tertinggi sebesar 79% dan 17,5% akurasi perkategori kelas-token. Hasil akurasi kelas-token dipengaruhi dari hasil token-kelas yang terklasifikasi salah sehingga menyebabkan kesalahan ketika proses pembentukan data token perkelas.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Ekstraksi Informasi, Learning Vector Quantization, Surat Masuk
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:	08 Sep 2020 04:26
Last Modified:	17 Sep 2020 04:34
URI:	http://elibrary.unikom.ac.id/id/eprint/2703

Actions (login required)

View Item