最终作业分类中的模糊逻辑算法分析

Komputika Pub Date : 2018-10-31 DOI:10.34010/KOMPUTIKA.V7I2.1401

Hani Irmayanti

{"title":"最终作业分类中的模糊逻辑算法分析","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":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2018-10-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"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\":null,\"pages\":null},\"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}","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

摘要

本研究旨在确定模糊逻辑算法在端到端分类中的使用率有多低。所使用的方法是模糊K-最近邻居（KNN）。该过程的第一步是进行文本预处理，找出下一个过程中要做的任何术语，然后使用TF.IDF算法对每个术语进行消除，在获得bobot后，使用余弦相似度计算术语测试与术语训练的相似性，下一步，将编辑相似性值，然后从邻居的数量中获取一些数据。确定该值以计算KNN，并查看哪个类别有许多紧急情况，最后一个准确度值是从训练数据和测试数据的比较结果中看到的。最终结果的准确率为76.67%，因此该模糊KNN可以用于帮助研究群体的聚类过程。关键词-余弦相似度；KNN；TF.IDF

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

Analisis Algoritma Fuzzy Logic dalam Pengklasifikasian Tugas Akhir

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

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Komputika

自引率

0.00%

发文量

审稿时长

12 weeks