{"title":"Analisis Algoritma Fuzzy Logic dalam Pengklasifikasian Tugas Akhir","authors":"Hani Irmayanti","doi":"10.34010/KOMPUTIKA.V7I2.1401","DOIUrl":null,"url":null,"abstract":"Penelitian ini bertujuan untuk mengetahui berapa nilai keakuratan penggunaan Algoritma Fuzzy Logic dalam pengklasifikasian Tugas Akhir. Metode yang digunakan adalah Fuzzy K-Nearest Neighbour (KNN). Langkah proses yang dilakukan pertama yaitu melakukan Text Preprocessing untuk mengetahui term apa saja yang akan dilakukan untuk proses selanjutnya, kemudian dilakukan pembobotan setiap term dengan menggunakan algoritma TF.IDF, setelah didapatkan bobot, dihitung kemiripan term testing dengan term training mengunakan Cosine Similarity, Langkah selanjutnya nilai kemiripan akan diurutkan dan kemudian akan diambil beberapa data sejumlah nilai tetangga yang ditentukan untuk menghitung KNN dan melihat kategori mana yang kemunculannya banyak, terakhir dihitung nilai akurasi dilihat dari hasil perbandingan data training dan data testingnya. Hasil akhir akurasinya adalah 76,67%, dengan demikian Fuzzy KNN ini bisa digunakan untuk membantu proses pengelompokan kelompok penelitian. \nKata Kunci - Cosine Similarity ; KNN ; TF.IDF","PeriodicalId":52813,"journal":{"name":"Komputika","volume":" ","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2018-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Komputika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.34010/KOMPUTIKA.V7I2.1401","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2
Abstract
Penelitian ini bertujuan untuk mengetahui berapa nilai keakuratan penggunaan Algoritma Fuzzy Logic dalam pengklasifikasian Tugas Akhir. Metode yang digunakan adalah Fuzzy K-Nearest Neighbour (KNN). Langkah proses yang dilakukan pertama yaitu melakukan Text Preprocessing untuk mengetahui term apa saja yang akan dilakukan untuk proses selanjutnya, kemudian dilakukan pembobotan setiap term dengan menggunakan algoritma TF.IDF, setelah didapatkan bobot, dihitung kemiripan term testing dengan term training mengunakan Cosine Similarity, Langkah selanjutnya nilai kemiripan akan diurutkan dan kemudian akan diambil beberapa data sejumlah nilai tetangga yang ditentukan untuk menghitung KNN dan melihat kategori mana yang kemunculannya banyak, terakhir dihitung nilai akurasi dilihat dari hasil perbandingan data training dan data testingnya. Hasil akhir akurasinya adalah 76,67%, dengan demikian Fuzzy KNN ini bisa digunakan untuk membantu proses pengelompokan kelompok penelitian.
Kata Kunci - Cosine Similarity ; KNN ; TF.IDF
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
