Wijayanto, M Anas Pandu Wijayanto (2021) analisa kinerja klasifikasi cerita rakyat indonesia menggunakan metode gaussian naïve bayes / m anas pandu wijayanto. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Cerita rakyat sangat berperan penting didalam pembentukan watak anak sejak kecil. Hal tersebut bisa terjadi karena didalam cerita rakyat terdapat nilai moral yang disampaikan oleh penulis (sastrawan) kepada pembaca. Orang tua maupun tenaga pengajar dituntut untuk memberikan cerita rakyat sesuai dengan umur siswa atau pembaca. Perlu diketahui bahwa karakter teks yang sulit dapat membuat siswa malas belajar dan frustasi sehingga perjenjangan buku sangat penting untuk dilakukan. Penulis mencoba mengusulkan klasifikasi cerita rakyat Indonesia menggunakan machine learning dengan melakukan ekstraksi fitur pada dataset dan menggunakan algoritma Gaussian Na iuml ve Bayes (GNB). Dataset yang dipakai pada penelitian ini yaitu buku cerita rakyat Indonesia yang diperoleh dari situs milik Kemendikbud sehingga diperoleh sebanyak 190 data yang memiliki tiga kelas jenjang yaitu SD SMP dan SMA. Hasil dari penelitian ini yaitu terdapat enam skenario yang menggunakan data hasil resampling maupun data normal dan menggunakan tiga jenis na iuml ve bayes seperti Gaussian Na iuml ve Bayes Bernoulli Na iuml ve Bayes dan Multinomial Na iuml ve Bayes. Diantara skenario tersebut akurasi tertinggi diperoleh pada skenario yang menggunakan dataset yang sudah melalui preprocessing SMOTE dengan algoritma Gaussian Na iuml ve Bayes yaitu sebesar 56.36%. Sehingga dapat disimpulkan bahwa proses resampling SMOTE dapat meningkatkan akurasi dari model. Selain itu dari hasil penelitian jenis na iuml ve bayes menunjukan bahwa Gaussian Na iuml ve Bayes cocok digunakan untuk jenis data bertipe numerik.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 27 Aug 2021 04:29 |
| Last Modified: | 09 Sep 2021 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/152089 |
Actions (login required)
 |
View Item |