Sholihuda, Firna (2019) PEMANFAATAN TEXT MINING PADA SISTEM PENGOLAHAN SKRIPSI MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER (NBC) DAN SIMPLE ADDITIVE WEIGHTING (SAW) (Studi Kasus : Jurusan Ilmu Komunikasi UPN “Veteran” Yogyakarta). Other thesis, Universitas Pembangunan Nasional Veteran Yogyakarta.
|
Text
COVER - FS.pdf Download (126kB) | Preview |
|
|
Text
HALAMAN PENGESAHAN PEMBIMBING - FS.pdf Download (514kB) | Preview |
|
|
Text
ABSTRAK - FS.pdf Download (79kB) | Preview |
|
|
Text
DAFTAR ISI - FS.pdf Download (34kB) | Preview |
Abstract
ABSTRAK Skripsi merupakan suatu karya ilmiah yang dilakukan oleh mahasiswa sebagai syarat dalam memperoleh gelar sarjana. Perguruan Tinggi mempunyai cara masing-masing dalam proses pengajuan skripsi, seperti menggunakan sistem informasi sebagai layanan maupun tanpa sistem informasi. Sebelum dilakukan penelitian, tahapan awal adalah pengajuan proposal penelitian. Proposal penelitian akan diproses untuk menentukan dosen pembimbing skripsi, kemudian skripsi dilanjutkan ke tahap penyusunan. Ilmu Komunikasi UPN “Veteran” Yogyakarta tidak menggunakan sistem informasi dalam mengolah proposal penelitian, mulai dari pengajuan hingga penentuan dosen pembimbing. Tahapan awal dalam menentukan dosen pembimbing adalah mengetahui tema dan konsentrasi dari proposal penelitian. Untuk mengetahui tema dan konsentrasi proposal dilakukan analisis isi proposal menggunakan metode Text Mining. Text Mining bekerja dengan cara menganalisis teks kemudian dilakukan tahapan preprocessing menggunakan tokenizing, filtering, dan stemming untuk mendapatkan kata dasar dari setiap kata dalam setiap kalimat. Kemudian melakukan klasifikasi dokumen proposal sesuai dengan tema dan konsentrasi menggunakan algoritma Naïve Bayes Classifier. Tema dan konsentrasi merupakan salah satu kriteria untuk menentukan dosen pembimbing menggunakan algoritma Simple Additive Weighting. Algoritma Simple Additive Weighting bekerja dengan cara melakukan normalisasi matriks keputusan dan menghitung bobot dari setiap kriteria, kemudian melakukan perangkingan terhadap dosen pembimbing. Berdasarkan hasil penelitian yang telah dilakukan, proses penentuan tema dan konsentrasi dari proposal penelitian mahasiswa dapat membantu dalam melakukan klasifikasi dokumen dengan tingkat akurasi mencapai 78%. Pembobotan dosen pembimbing proposal penelitian sesuai dengan kriteria menunjukkan hasil dengan nilai perangkingan yang beragam sesuai dengan bobot kriteria setiap dosen pembimbing. Kata Kunci: Text Mining, Tokenizing, Filltering, Stemming, Naïve Bayes Classifier, Simple Additive Weighting.
| Item Type: | Thesis (Other) |
|---|---|
| Subjects: | Q Science > QA Mathematics |
| Divisions: | Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science |
| Depositing User: | Basir Umaryadi |
| Date Deposited: | 12 Jun 2019 04:07 |
| Last Modified: | 12 Jun 2019 04:07 |
| URI: | http://eprints.upnyk.ac.id/id/eprint/19796 |
Actions (login required)
 |
View Item |