Implementasi Support Vector Machine (SVM) pada Klasifikasi Laporan Skripsi (Studi Kasus Teknik Informatika)

Laporan skripsi yang semakin bertambah setiap tahunnya mengakibatkan penumpukan dokumen yang banyak dalam penyimpanan. Kondisi tersebut menyebabkan informasi akan semakin bervariasi sehingga kesalahan sering terjadi dalam hal menentukan kategori laporan sesuai topik keilmuan. Faktor pemicu salah menentukan kelompok keilmuan karena masih berkaitannya satu kelompok keilmuan dengan kelompok keilmuan yang lain. Untuk melakukan identifikasi laporan skripsi dapat dilakukan dengan memanfaatkan metode klasifikasi SVM. Klasifikasi SVM yang digunakan bertujuan untuk mengetahui tingkat akurasi dari klaisifikasi laporan skripsi Prodi Teknik Informatika Unikom. Data yang digunakan pada penelitian ini merupakan abstrak dari laporan skripsi, dikumpulkan dalam format .xls yang nantinya sebagai data masukan pelatihan dan pengujian. Data masukan diproses melalui tahap preprocessing yang kemudian digunakan dalam SVM Training untuk membuat model SVM. Model SVM yang dihasilkan dari SVM Training selanjutnya digunakan untuk menguji data abstrak pada SVM Testing. Berdasarkan hasil pengujian menggunakan 150 abstrak laporan skripsi prodi teknik informatika dimana 100 dokumen digunakan sebagai data latih dan 50 dokumen digunakan sebagai data uji pada multiclass, disimpulkan bahwa klasifikasi dokumen menggunakan metode SVM menghasilkan akurasi sebesar 34%.

Thesis report which is increasing every year causes in accumulation a lot of documents in storage. The condition causes the information will become more varied so that mistakes often happened while determining the right report category based on its scientific topics. One of the factor which causes mistakes while determining the right report category is that one category to the others are still relating. To identify the right thesis report category can be done by utilizing SVM classification method. The SVM classification methode which is used aims to determine the accuracy of thesis report classification of informatics engineering UNIKOM. The datas used in this research are the abstract of thesis reports, collected in .xls format which later used as the inputs of training and testing data. The inputs are processed through a preprocessing phase which later used in SVM Training to create SVM model. The SVM models created from SVM Training is used to test the abstract on SVM Testing. Based on the test results which used 150 abstract of informatics engeenering�s thesis report where 100 of them are used as training data and 30 are used as testing data on multiclass, it�s concluded that document classification using SVM model produced 34% accuracy.