PENGLOMPOKKAN JURNAL BERDASARKAN METODE K-NEAREST NEIGHBHOR (KNN) MENGGUNAKAN PENDEKATAN VECTOR SPACE MODEL

ABSTRAK
Tugas akhir adalah karya ilmiah yang disusun oleh mahasiswa setiap program
studi berdasarkan hasil penelitian suatu masalah yang dilakukan seksama dengan
bimbingan dosen pembimbing. Di Universitas Negeri Surabaya diwajibkan
mahasiswa yang selesai menempuh skripsi untuk membuat jurnal. Jurnal yang sudah
dibuat oleh mahasiswa dikumpulkan di salah satu website UNESA. Untuk
mempermudah mahasiswa yang akan menempuh skripsi, dibutuhkan aplikasi
pengelompokkan jurnal berdasarkan konsentrasi mahasiswa. Metode
pengelompokkan menggunakan K-Nearest Neighbhor dengan pendekatan Vector
Space Model. Dengan menggunakan uji coba jumlah Term Frequency dan Invers
Document Frequency (TF-IDF) dan nilai KNN yang digunakan. Berdasarkan hasil
aplikasi pengelompokkan jurnal jumlah TF-IDF tertinggi yang digunakan
berpengaruh terhadap hasil akhir, sedangkan untuk nilai KNN yang digunakan tidak
berpengaruh terhadap hasil akhir.
Kata Kunci: Pengelompokkan, Jurnal, K-Nearest Neighbhor, Vector Space Model,
Term Frequency dan Invers Document Frequency (TF-IDF)

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

1915

Penerbit

Surabaya : ITATS., 2019

Deskripsi Fisik

-

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

NONE

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

Pengelompokkan, Jurnal, K-Nearest Neighbhor
Vector Space Model, Term Frequency
Invers Document Frequency (TF-IDF)

Info Detail Spesifik

NPM : 06.2016.1.90457 Nilai : B+

Pernyataan Tanggungjawab

Pembimbing : Dian Puspita Hapsari, S.Kom, M.Kom

Versi lain/terkait

Lampiran Berkas

Komentar