Hidayat, Mercyano Dandi (2022) Klasifikasi Kelompok Bidang Keahlian (KBK) berdasarkan judul dan abstrak skripsi menggunakan algoritma support vector machine. Masters thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Sistem Informasi Skripsi dan Tugas Akhir Jurusan Teknik Elektro Universitas Negeri Malang (SISINTA TEUM) merupakan sebuah sistem informasi berbasis situs web yang berfungsi dalam melakukan pengajuan terhadap kegiatan-kegiatan yang berkaitan dengan skripsi dan tugas akhir pada Jurusan Teknik Elektro Universitas Negeri Malang. Pada saat proses pengajuan skripsi dan tugas akhir pada web SISINTA TEUM, pengguna harus memilih sendiri Kelompok Bidang Keahlian (KBK) yang sesuai dengan tema judul penelitian skripsi yang diajukan. Dimana, pengguna sering merasa kesulitan dalam menentukan KBK berdasarkan judul dan abstrak yang hendak diteliti. Untuk itu, diperlukan suatu sistem kecerdasan buatan berupa klasifikasi KBK berdasarkan judul dan abstrak skripsi pengguna secara otomatis. Sehingga, sistem dapat memberikan rekomendasi KBK dari judul atau abstrak yang dimasukkan oleh pengguna. Metode yang digunakan dalam membuat sistem klasifikasi KBK berdasarkan judul dan abstrak skripsi ini yaitu menggunakan algoritma Support Vector Machine. Dimana, tujuan dari penelitian ini yaitu untuk mengimplementasikan dan menguji performa dari algoritma tersebut pada kasus klasifikasi KBK. Tahapan penelitian yang dilakukan yaitu (1) data collection, (2) text preprocessing, (3) pembobotan istilah, (4) resampling, (5) training model, dan (6) evaluasi. Penelitian ini melakukan uji coba terhadap tiga skenario input data yaitu input data judul, abstrak, serta gabungan antara judul dan abstrak. Parameter yang diuji pada model yang dibuat yaitu kernel dan parameter regularisasi. Proses tuning dari parameter tersebut dilakukan menggunakan metode Grid Search. Dari percobaan yang dilakukan, diperoleh bahwa sistem klasifikasi KBK dengan input data judul memberikan hasil yang optimal dan efisien. Hasil penelitian ini diperoleh bahwa skenario terbaik dari percobaan yang dilakukan yaitu pada skenario data input judul. Skenario tersebut memberikan hasil yang lebih optimal dan efisien, dengan nilai akurasi, presisi, recall, dan f1-score secara berturut-turut yaitu 63,16%, 61,25%, 63,16%, dan 60,34%. Kemudian, skenario terbaik kedua yaitu pada data input gabungan judul dan abstrak, dengan nilai akurasi, presisi, recall, dan f1-score secara berturut-turut yaitu 62,89%, 60%, 62,89%, dan 60,34%. Sedangkan untuk skenario dengan performa terendah yaitu pada data input abstrak, dengan nilai akurasi, presisi, recall, dan f1-score secara berturut-turut yaitu 61,32%, 58,75%, 61,32%, dan 58,78%.
| Item Type: | Thesis (Masters) |
|---|---|
| Subjects: | L Education > L Education (General) |
| Divisions: | Fakultas Ilmu Pendidikan (FIP) > Departemen Administrasi Pendidikan (AP) > S2 Manajemen Pendidikan |
| Depositing User: | mr mahasiswa UM |
| Date Deposited: | 27 Jul 2023 02:01 |
| Last Modified: | 27 Jul 2023 02:01 |
| URI: | http://repository.um.ac.id/id/eprint/4061 |
Actions (login required)
 |
View Item |