SA’ADAH, FARIKHATUS (2022) KLASIFIKASI BIDANG ILMU PADA PUBLIKASI TERINDEKS GARUDA MENGGUNAKAN METODE K-NEAREST NEIGHBOR (K-NN). Undergraduate thesis, Universitas Islam Sultan Agung Semarang.

	Text Teknik Informatika_32601800010_fullpdf.pdf Baca Disini (2MB) | Download (2MB)
	Text Teknik Informatika_32601800010_pernyataan_publikasi.pdf Restricted to Registered users only Baca Disini (53kB) | Download (53kB)

Abstract

GARUDA merupakan salah satu portal yang memuat referensi ilmiah nasional
Indonesia dan memberikan akses terhadap karya ilmiah yang dihasilkan oleh akademisi
dan peneliti Indonesia. Klasifikasi merupakan proses penemuan model (fungsi) yang
menggambarkan dan membedakan kelas data. Sebelumnya belum ada penelitian yang
menggunakan 5 bidang ilmu utama yaitu arts & Humanities, Engineering & Technology,
Life Scienses & Madicine, Natural Scienses, Social Sciences & Management, untuk
mengklasifikasikan judul artikel pada aplikasi terindeks Garuda. Dalam penelitian ini
akan mengklasifikasikan judul artikel yang ada pada aplikasi terindeks Garuda kedalam 5
bidang ilmu yang akan menggunakan metode algortima K-Nearest Neighbor (K-NN), dan
akan dilakukan dengan cara mengumpulkan data pada aplikasi terindeks Garuda, lalu
dilakukan tahap prepocessing agar data memiliki kualitas yang baik. Setelah itu mencari
data dengan jarak terdekat dengan tetangga terdekat pada data latih dengan data yang
akan diuji, lalu evaluasi yang akan digunakan adalah accuracy, precision, recall, dan F-
score. Hasil yang diharapkan dari penelitian ini adalah metode algorima K-Nearest
Neighbor (K-NN) dapat menghasilkan tingkat akurasi yang tinggi dalam
mengklasifikasikan judul artikel pada aplikasi terindeks Garuda, kedalam 5 bidang ilmu
utama yaitu arts & Humanities, Engineering & Technology, Life Scienses & Madicine,
Natural Scienses, Social Sciences & Management secara cepat dan otomatis. Hasil dari
penelitian ini mendapatkan nilai akurasi tertinggi 0,499 atau 49,9% dengan menggunakan
parameter nilai K = 285.
Kata Kunci: Garuda, Klasifikasi, K-NN

Dosen Pembimbing:	Much Ibnu Subroto, Imam and Riansyah, Andi | nidn0613037301, nidn0609108802
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 04:19
Last Modified:	17 Jul 2023 04:19
URI:	https://repository.unissula.ac.id/id/eprint/29663

Actions (login required)

View Item