Utami, Dwi (2022) ANALISIS KOMPARASI METODE TF-IDF DAN WORDTOVEC TERHADAP PERFORMA KLASIFIKASI KATEGORI BERITA BAHASA INDONESIA. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (THESIS)
19.52.1264 Dwi Utami.pdf Download (4MB) |
Abstract
Peningkatan perkembangan teknologi semakin memberikan kemudahan dalam mendapatkan berbagai informasi, salah satu kemudahan tersebut adalah mudahnya mendapatkan berita dari internet. Banyaknya berita yang ada di internet selain dapat memberikan informasi kepada masyarakat, dapat digunakan sebagai bahan pembelajaran dan analisa, salah satunya untuk klasifikasi kategori berita. Klasifikasi kategori berita merupakan proses untuk menempatkan teks berita kedalam kategori tertentu. Tahapan sebelum melakukan klasifikasi yaitu preprocessing yang merupakan salah satu tahapan terpenting dalam klasifikasi. Penelitian ini bertujuan untuk melihat pengaruh proses stopword pada algoritma tf-idf dan wordtovec, serta melihat performansinya terhadap klasifikasi yang dilakukan menggunakan komparasi algoritma SVM dan KNN untuk melihat metode yang menghasilkan nilai akurasi tertinggi. Hasil penelitian menunjukan bahwa metode kombinasi yang menghasilkan akurasi tertinggi adalah metode tf-idf dengan algoritma SVM yaitu 96.78%, stopword pada metode tf-idf dan SVM meningkatkan akurasi 0.34%
| Item Type: | Thesis (S2 - Magister) | |||
|---|---|---|---|---|
| Contributor: |
|
|||
| Uncontrolled Keywords: | Tf-idf, Word2vec, SVM, KNN, Klasifikasi | |||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data | |||
| Divisions: | Pascasarjana MTI > Magister Teknik Informatika | |||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | |||
| Date Deposited: | 12 Jul 2023 01:52 | |||
| Last Modified: | 12 Jul 2023 01:52 | |||
| URI: | http://eprints.amikom.ac.id/id/eprint/20308 |
Actions (login required)
 |
View Item |