KLASIFIKASI ARTIKEL HOAX MENGGUNAKAN SUPPORT VECTOR MACHINE LINEAR DENGAN PEMBOBOTAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY

Sagara, Rofie (2017) KLASIFIKASI ARTIKEL HOAX MENGGUNAKAN SUPPORT VECTOR MACHINE LINEAR DENGAN PEMBOBOTAN TERM FREQUENCY- INVERSE DOCUMENT FREQUENCY. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (892kB)
	Text (BAB I) BAB I.pdf Download (295kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (1MB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (66kB)
	Text (DAFTAR PUSTAKA) Daftar Pustaka.pdf Restricted to Registered users only Download (179kB)
	Archive (SOURCE CODE) Source Code 14.11.8030 Rofie Sagara.zip Restricted to Repository staff only Download (53MB)

Abstract

Internet sudah menjadi bagian dari hidup manusia pada era saat ini. Internet juga yang membantu manusia untuk mendapatkan informasi yang banyak dengan cepat. Akan tetapi tidak menutup kemungkinan bahwa informasi tersebut mengandung unsur penipuan atau informasi palsu. Dikarenakan banyaknya informasi yang di terima maka semakin susah bagi kita untuk dapat memilih mana yang benar dan mana yang palsu. Dalam dunia text mining di kenal dengan istilah klasifikasi, yang dapat melakukan pengelompokan text yang sudah di beri bobot. salah satu algoritma yang sering digunakan untuk melakukan klasifikasi terhadap bobot text adalah Support Vector Machine (SVM) dan untuk pembobotan text menggunakan Term Frequency-Inverse Document Frequency (TF-IDF). Penelitian ini akan menggunakan algoritma tersebut untuk melakukan klasifikasi dan pembobotan yang nantinya akan di implementasikan kedalam aplikasi yang berbasis android yang nantinya akan digunakan oleh user untuk melakukan klasifikasi artikel yang ada di internet.

Actions (login required)

View Item