MUNIR, ABDULLOH (2023) KLASIFIKASI BIDANG ILMU PADA PUBLIKASI TERINDEKS WEB OF SCIENCE MENGGUNAKAN METODE NAÏVE BAYES. Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32601800001_fullpdf.pdf Baca Disini (2MB) | Download (2MB)
	Text Teknik Informatika_32601800001_pernyataan_publikasi.pdf Restricted to Registered users only Baca Disini (126kB) | Download (126kB)

Abstract

Seiring berjalannya waktu, Keberadaan internet sebagai alat yang berdampak besar bagi
perkembangan ilmu pengetahuan tidak dapat dipungkiri. Salah satu contoh perihal yang diutamakan
yaitu penerbitan jurnal ilmiah. Kecepatan dalam mengakses di dunia maya menjadikan jurnal ilmiah
berkembang sangat cepat, pesat dan banyak. Adanya permasalahan yang ditimbulkan dari maraknya
jurnal ilmiah seperti menemukan jurnal ilmiah sesuai dengan bidang ilmu. Dari permasalahan
tersebut perlu adanya sebuah metode pengklasifikasian yang bisa diterapkan dalam pencarian jurnal
ilmiah tentunya sesuai akan isi topik yang dituju, salah satunya adalah metode data mining. Data
Mining adalah suatu proses menemukan pola dalam sejumlah data besar dengan tujuan untuk
melakukan klasifikasi, estimasi, prediksi, asosiasi dan klaster. Salah satu metode klasifikasi dalam
data mining adalah metode naïve bayes. Naïve Bayes merupakan sebuah metode atas dasar
probabilitas dan statistika dengan menerapkan teorema bayes, memprediksi peluang hasil yang akan
didapatkan dengan memperhitungkan berdasarkan data pengalaman di masa sebelumnya. Tujuan
pada penelitian ini yaitu dengan menggunakan metode naïve bayes dalam pengklasifikasian jurnal
ke dalam 5 bidang ilmu dapat merumuskan masalah berupa memudahkan dalam pengelompokan
jurnal ilmiah sesuai akan topik. Hasil akhir pada penelitian ini yaitu Naïve bayes menghasilkan
output kesesuaian judul dari artikel dalam SINTA yang sudah terindeks Web of Science dalam 5
bidang ilmu tersebut. Dengan hasil dari pengujian sistem nilai akurasi, recall, presisi sebesar :
akurasi 44,2% recall 24% dan presisi 20,2%.

Kata kunci: Klasifikasi, 5 Bidang Ilmu, Web of Science, Naïve Bayes, SINTA.

Dosen Pembimbing:	Riansyah, Andi and Farisa Chaerul Haviana, Sam | nidn0609108802, nidn0628028602
Item Type:	Thesis (Undergraduate)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Industri Fakultas Teknologi Industri > Teknik Informatika
Depositing User:	Pustakawan 5 UNISSULA
Date Deposited:	17 Jul 2023 06:41
Last Modified:	17 Jul 2023 06:41
URI:	https://repository.unissula.ac.id/id/eprint/29656

Actions (login required)

View Item