Anda belum Log-in!
Silahkan Log in

Selamat Datang di Portal Digital Content Publisher
Senin , 25 November 2024

Perpustakaan sebagai jantung pendidikan tinggi di Indonesia, harus mampu memberi kontribusi yang berarti bagi pelaksanaan proses belajar mengajar di perguruan tinggi.

TRUNOJOYO » Tugas Akhir & Skripsi » Informatika
di-posting oleh 140411100087 pada 2019-01-31 11:46:52  •  284 klik

KLASIFIKASI BERITA OLAHRAGA BERBAHASA INDONESIA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE
CLASSIFICATION OF INDONESIAN SPORTS NEWS USING SUPPORT VECTOR MACHINE METHOD

disusun oleh ELMO BAHTIAR RAHMAN


SubyekPemrograman
Klasifikasi Teks
Kata KunciKlasifikasi
Berita Olahraga Berbahasa Indonesia
Support Vector Machine

[ Anotasi Abstrak ]

Berita merupakan suatu informasi berdasarkan fakta atau laporan mengenai suatu kejadian yang sedang, atau telah terjadi. Berita dipublikasikan melalui media cetak, siaran, internet, maupun dari mulut ke mulut. kebutuhan informasi di Indonesia dalam bentuk digital baik berupa teks atau dokumen. Pengklasifikasian berita masih dilakukan secara manual sehingga rentan terjadi kesalahan. Banyaknya berita yang harus diklasifikasikan berdasarkan kategorinya dalam waktu yang singkat akan membuat editor mengalami kesulitan dan dapat menimbulkan kesalahan dalam pengkategoriannya dikarenakan editor harus membaca satu per satu berita-berita yang akan diklasifikasikan. Apabila pengklasifikasian berita dilakukan secara otomatis akan meminimalisir kesalahan pengkategorian dan lebih efisien. Dari implementasi sistem yang telah dilakukan, klasifikasi berita olahraga berbahasa Indonesia mampu diselesaikan dengan menggunakan metode Support Vector Machine dengan tingkat akurasi 95.72%. Berdasarkan nilai evaluasi f1-score, Support Vector Machine menghasilkan nilai evaluasi sebesar 95.72%, nilai Precision menghasilkan nilai evaluasi sebesar 95.72% dan nilai Recall menghasilkan nilai sebesar 95.72%.Hal tersebut menunjukkan bahwa dalam penelitian ini model Support Vector Machine menghasilkan ketepatan klasifikasi berita olahraga berbahasa Indonesia yang lebih baik.


Deskripsi Lain

News is information based on facts or reports about an event that is currently, or has occurred. News is published through print, broadcast, internet and word of mouth. information needs in Indonesia in digital form in the form of text or documents. News classification is still done manually so that errors occur. The amount of news that must be classified based on its category in a short time will make the editor experience difficulties and can cause errors in the categorization because the editor must read one by one the news that will be classified. If the news classification is done automatically it will minimize the categorization errors and be more efficient. From the implementation of the system that has been carried out, the classification of Indonesian language sports news can be solved using the Support Vector Machine method with an accuracy rate of 95.72%. Based on the evaluation value of F1-score, Support Vector Machine produces an evaluation value of 95.72%, Precision value produces an evaluation value of 95.72% and Recall value produces a value of 95.72%. This shows that in this study the Support Vector Machine model results in the classification of sports news speak better Indonesian

Kontributor: Sigit Susanto Putro, S.Kom., M.Kom. ; Yoga Dwitya Pramudita, S.Kom., M.Cs
Tanggal tercipta: 2019-01-28
Jenis(Tipe): Text
Bentuk(Format): pdf
Bahasa: Indonesia
Pengenal(Identifier): TRUNOJOYO-Tugas Akhir-15220
No Koleksi: 140411100087


 Download File Penyerta (khusus anggota terdaftar)

 File PDF  1. TRUNOJOYO-Tugas Akhir-15220-140411100087_Cover.pdf - 2427 KB
 File PDF  2. TRUNOJOYO-Tugas Akhir-15220-140411100087_Abstract_TOC.pdf - 451 KB
 File PDF  3. TRUNOJOYO-Tugas Akhir-15220-140411100087_Chapter1.pdf - 136 KB
 File PDF  4. TRUNOJOYO-Tugas Akhir-15220-140411100087_Chapter2.pdf - 1244 KB
 File PDF  5. TRUNOJOYO-Tugas Akhir-15220-140411100087_Chapter3.pdf - 573 KB
 File PDF  6. TRUNOJOYO-Tugas Akhir-15220-140411100087_Chapter4.pdf - 2907 KB
 File PDF  7. TRUNOJOYO-Tugas Akhir-15220-140411100087_Conclusion.pdf - 10 KB
 File PDF  8. TRUNOJOYO-Tugas Akhir-15220-140411100087_References.pdf - 228 KB
 File PDF  9. TRUNOJOYO-Tugas Akhir-15220-140411100087_Appendices.pdf - 285 KB


 Dokumen sejenis...

     Tidak ada !

 Dokumen yang bertautan...





 Kembali ke Daftar