Implementasi Algoritma Fuzzy K-NNC Untuk Klasifikasi Proposal Skripsi Berdasarkan Kelompok Keilmuan Di Teknik Informatika UNIKOM

Pada penelitian Yosep amin tentang klasifikasi proposal skripsi menggunakan metode fuzzy k-nearest neighbour (FK-NN) masih memiliki akurasi yang rendah, dimana penelitian tersebut menghasilakn akurasi sebesar 51% pada K=7 dan K=8. Pada penelitian yang dilakukan oleh Eko prasetyo mengenai �Fuzzy K-Nearest Neighbour in every class untuk klasifikasi data�, menunjukkan bahwa metode FK-NNC lebih baik di bandingkan dengan metode FK-NN, sehingga metode FK-NNC akan dicoba untuk diimplementasikan dalam klasifikasi proposal skripsi dalam penelitian ini. Penelitian ini akan melakukan peringkasan teks terlebih dahulu sebelum dilakukan proses kalsifikasi, dimana hal ini untuk memperkecil ukuran matriks yang ada, setelah itu hasil ekstraksi akan dimasukkan dalam data latih ataupun data uji. Parameter yang digunakan sebagai faktor penilaian yakni dilihat dari latar belakang proposal skripsi. Berdasarkan hasil pengujian dari metode FK-NNC dalam klasifikasi proposal skripsi didapatkan nilai keakuratan yang terbesar yaitu pada K=8 dan K=10 dengan nilai akurasi sebesar 77,7 %. Maka dari itu disimpulkan metode FKNNC dapat digunakan dalam pengklasifikasian proposal skripsi.

Yosep amin's research on the classification of thesis proposals using the fuzzy k-nearest neighbour (FK-NN) method still has a low accuracy, which resulted in an accuracy of 51% at K = 7 and K = 8. In a study conducted by Eko prasetyo on "Fuzzy K-Nearest Neighbors in every class for data classification", it shows that the FK-NNC method is better in comparison with the FK-NN method, so the FK-NNC method will be attempted to be implemented in the proposal classification Thesis in this research. This research will perform a summary of the text first before the calcification process, which is to reduce the size of the existing matrix, after which the extraction results will be included in the data train or test data. Parameters used as assessment factor that is seen from background of thesis proposal. Based on the results of testing of FK-NNC method in the thesis proposal classification obtained the greatest accuracy value that is at K = 8 and K = 10 with an accuracy of 77.7%. Therefore it is concluded that FK-NNC method can be used in classification of thesis proposal.