FEBRIAN, MIZAR (2012) KLASIFIKASI DOKUMEN TEKS MENGGUNAKAN LEARNING VECTOR QUANTIZATION. S1 thesis, Universitas Mataram.
![[img]](http://eprints.unram.ac.id/style/images/fileicons/text.png) |
Text
MyFixedThesis.pdf Restricted to Repository staff only Download (2MB) |
Abstract
Klasifikasi teks adalah tugas mengurutkan sebuah himpunan dokumen ke dalam kategori-kategori dari sebuah himpunan yang sudah dikenal. Learning Vector Quantization (LVQ) merupakan salah satu solusi untuk mengklasifikasikan dokumen teks melalui proses pembelajaran kompetitif terawasi. Suatu lapisan akan secara otomatis belajar untuk mengklasifikasikan vektor-vektor input. Kelas-kelas yang didapatkan sebagai hasil dari lapisan kompetitif hanya tergantung pada jarak antara vektor-vektor input. Penelitian ini dimulai dengan tahap pra-klasifikasi menggunakan Text-Miner Software Kit (TMSK) untuk mendapatkan fitur khas dari dokumen teks, selanjutnya dilakukan normalisasi sparse vector, dan terakhir dilakukan pengklasifikasian menggunakan algoritma LVQ. Percobaan mengindikasikan nilai akurasi tertinggi terdapat pada klasifikasi dengan data pengujian yang berasal dari sebagian data latih maupun data uji yaitu 100 %. Namun demikian, kombinasi nilai learning rate untuk mendapatkan tingkat akurasi terbaik di segala jenis data pengujian adalah 0,025 dan 0,05. Tingkat keberhasilan sistem ini adalah 45,14 %
| Item Type: | Thesis (S1) |
|---|---|
| Keywords (Kata Kunci): | Klasifikasi dokumen teks, text-miner software kit, normalisasi sparse vector, learning vector quantization |
| Subjects: | T Technology > TK Electrical engineering. Electronics Nuclear engineering |
| Divisions: | Fakultas Teknik |
| Depositing User: | Ayus Suyarsih |
| Date Deposited: | 20 Jul 2018 02:29 |
| Last Modified: | 20 Jul 2018 02:29 |
| URI: | http://eprints.unram.ac.id/id/eprint/6265 |
Actions (login required)
 |
View Item |
