Klasifikasi kelompok bidang keahlian (KBK) berdasarkan judul dan abstrak skripsi menggunakan algoritma logistic regression (LR) / Aulia Yahya Harindra Putra</p> - Repositori Universitas Negeri Malang

Klasifikasi kelompok bidang keahlian (KBK) berdasarkan judul dan abstrak skripsi menggunakan algoritma logistic regression (LR) / Aulia Yahya Harindra Putra</p>

Putra, Aulia Yahya Harindra (2023) Klasifikasi kelompok bidang keahlian (KBK) berdasarkan judul dan abstrak skripsi menggunakan algoritma logistic regression (LR) / Aulia Yahya Harindra Putra</p>. Diploma thesis, Universitas Negeri Malang.

Full text not available from this repository.

Abstract

SISINTA UM adalah sistem informasi berbasis web yang menampilkan data yang berkaitan dengan skripsi dan tugas akhir di Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pada penerapannya sistem informasi ini memiliki banyak potensi yang dapat dikembangkan kedepannya. Salah satu potensi yang dapat dikembangkan adalah untuk mengklasifikasi judul dan abstrak berdasarkan tema penelitiannya. Tujuan penelitian ini adalah untuk menerapkan dan menguji salah satu algoritma klasifikasi yaitu algoritma Logistic Regression dengan mengaplikasikan proses dalam text mining untuk mengklasifikasi judul dan abstrak skripsi berdasarkan tema penelitian yang ada di Kelompok Bidang Keahlian (KBK) Jurusan Teknik Elektro FT UM. Tahapan pada penelitian ini meliputi pengumpulan data preprocessing data pembobotan TF-IDF klasifikasi dengan Logistic Regression dan evaluasi hasil menggunakan confusion matrix. Dengan menggunakan data yang diperoleh dari sistem informasi SISINTA Teknik Elektro FT UM berupa judul abstrak dan Kelompok Bidang Keahlian (KBK) diharapkan dapat membantu mengkategorikan judul dan abstrak agar sesuai dengan tema penelitiannya. Hasil penelitian menunjukkan bahwa skenario terbaik yaitu pada skenario input data judul. Skenario tersebut mendapatkan hasil paling optimal dengan nilai accuracy precision recall dan f1-score secara berturut-turut yaitu 63 68% 64.91% 63 68% dan 63.46%.

Item Type: Thesis (Diploma)
Subjects: ?? ??
Divisions: Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika
Depositing User: library UM
Date Deposited: 14 Apr 2023 04:29
Last Modified: 09 Sep 2023 03:00
URI: http://repository.um.ac.id/id/eprint/291753

Actions (login required)

View Item View Item