Hidayat, Panji Nur (2020) Analisis Fitur Ekstraksi Informasi Surat Masuk Menggunakan Metode Learning Vector Quantization. Other thesis, Universitas Komputer Indonesia.
|
Text
1. 10115226_PANJI NUR HIDAYAT_COVER.pdf - Published Version Download (35kB) | Preview |
|
|
Text
18. 10115226_PANJI NUR HIDAYAT_LEMBAR PENGESAHAN.pdf - Published Version Download (383kB) | Preview |
|
|
Text
19. 10115226_PANJI NUR HIDAYAT_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (144kB) | Preview |
|
|
Text
20. 10115226_PANJI NUR HIDAYAT_SURAT KETERANGAN ORISINALITAS.pdf - Published Version Download (237kB) | Preview |
|
|
Text
4. 10115226_PANJI NUR HIDAYAT_KATA PENGANTAR.pdf - Published Version Download (89kB) | Preview |
|
|
Text
5. 10115226_PANJI NUR HIDAYAT_DAFTAR ISI.pdf - Published Version Download (46kB) | Preview |
|
|
Text
11. 10115226_PANJI NUR HIDAYAT_BAB 1.pdf - Published Version Download (124kB) | 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 |
||
|
Text
15. 10115226_PANJI NUR HIDAYAT_BAB 5.pdf - Published Version Download (81kB) | 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 |