Firdaus, Mohamad Iqbal Firdaus (2023) Perbandingan klasifikasi kelompok bidang keahlian (kbk) teknik informatika menggunakan algoritma gradient boosting, k-nearest neighbor, dan multinomial naive bayes / Mohamad Iqbal Firdaus. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
SISINTA DTEI UM adalah sistem informasi berbasis website yang dirancang sebagai solusi bagi mahasiswa semester akhir yang akan melakukan tugas akhir atau skripsi. Mahasiswa yang akan melakukan tugas skripsi akan diminta untuk membuat judul dan abstrak dari kajian dan permasalahan yang akan di teliti serta menentukan Kelompok Bidang Keahlian (KBK) secara manual pada website SISINTA DTEI UM. Namun terdapat salah satu kondisi dimana mahasiswa merasa kebingungan dalam menentukan (KBK) yang sesuai dengan judul dan abstrak proposal skripsi yang akan diajukan ke departemen. SISINTA DTEI UM memiliki potensi untuk dikembangkan dengan menambahkan sistem klasifikasi judul dan abstrak skripsi. Tujuan dari penelitian ini adalah untuk menerapkan menguji dan membandingkan performa dari algoritma Gradient Boosting K-Nearest Neighbor dan Multinomial Na iuml ve Bayes dalam melakukan pengklasifikasian judul dan abstrak skripsi. Dengan membandingkan ketiga algoritma tersebut diharapkan dapat menemukan algoritma terbaik dalam melakukan prediksi judul dan abstrak pada KBK yang sesuai. Penelitian ini terdiri dari 3 tahapan yaitu (1) Text Preprocessing (2) Modeling (3) Evaluation. Pengujian performa pada algoritma klasifikasi menggunakan teknik K-fold Cross Validation. Berdasarkan pengujian performa yang dilakukan algoritma Multinomial Na iuml ve Bayes merupakan algoritma yang memiliki performa terbaik dengan hasil rata-rata accuracy precision recall dan F1-score berturut-turut 0.747 0.773 0.747 dan 0.735 dengan tahap pengujian sebanyak 10 kali terhadap 242 data.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 24 Jul 2023 04:29 |
| Last Modified: | 09 Sep 2023 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/292881 |
Actions (login required)
 |
View Item |