Klasifikasi Multi-label Pada Topik Berita Berbahasa Indonesia Menggunakan Pseudo Nearest Neighbor Rule

REZA AGUNG PAMBUDI

Informasi Dasar

67 kali
18.04.2665
C
Karya Ilmiah - Skripsi (S1) - Reference

Berita merupakan salah satu jenis data teks yang perlu dikategorikan untuk memudahkan pengambilan informasi oleh pembaca. Salah satu masalah yang muncul saat pengkategorian berita adalah ketika berita tersebut membahas lebih dari satu topik, kondisi ini disebut multi-labmel. Untuk mengatasi masalah ini dibuatlah sebuah sistem dengan menggunakan algoritma Pseudo Nearest Neighbor Rule (PNNR) yang merupakan varian dari algoritma k-Nearest Neighbour Rule (k-NNR). Dari sistem yang dibuat didapatkan nilai hamming-loss terkecil 0,1495 dengan menggunakan proximity cosine. Dari percobaan tersebut dapat disimpulkan bahwa performa algoritma PNNR dipengaruhi oleh jenis proximity yang digunakan dan jumlah tetangga terdekat.

Subjek

Machine - learning
 

Katalog

Klasifikasi Multi-label Pada Topik Berita Berbahasa Indonesia Menggunakan Pseudo Nearest Neighbor Rule
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

REZA AGUNG PAMBUDI
Perorangan
ADIWIJAYA, MOHAMAD SYAHRUL MUBAROK
 

Penerbit

Universitas Telkom
Bandung
2018

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini