metode k-means untuk optimasi klasifikasi tema tugas akhir mahasiswa menggunakan support vector machine (svm)

Clicks: 356
ID: 190901
2016
Free PDF
Article Quality & Performance Metrics
Overall Quality Improving Quality
0.0 /100
Combines engagement data with AI-assessed academic quality
AI Quality Assessment
Not analyzed
Abstract

Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%. 

Reference Key
somantri2016scientificmetode Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors ;Oman Somantri;Slamet Wiyono;Dairoh -
Journal scientific journal of informatics
Year 2016
DOI
10.15294/sji.v3i1.5845
URL
https://journal.unnes.ac.id/nju/index.php/sji/article/view/5845
Keywords
support vector machine k-means text mining

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.