Klasifikasi Teks Berbasis Ontologi Untuk Dokumen Tugas Akhir Berbahasa Indonesia
Article Sidebar
Main Article Content
Abstract
Pada penelitian ini, dilakukan klasifikasi dokumen Tugas Akhir di Teknik Informatika UMM. Permasalahan yang dihadapi adalah sulitnya untuk mencari informasi yang relevan dan sulitnya melakukan pengkategorian dokumen TA sesuai bidang minat jika harus dilakukan secara manual. Tujuan penelitian ini adalah mendapatkan informasi berdasarkan abstrak TA sesuai kategori dan mempermudah dalam melakukan klasifikasi dokumen TA sesuai bidang minat yang ada. Kategori yang digunakan merupakan bidang minat pada program studi yaitu RPL, Jaringan Komputer, Game Cerdas dan Data Science. Data yang digunakan dokumen TA sebanyak 500 data. Tahap yang dilakukan adalah membangun dan memodelkan rule ontologi sesuai data yang diperoleh dengan acuan data kurikulum Teknik Informatika UMM 2017 yang bersumber pada Association for Computing Machinery (ACM) IEEE Computer Society. Ontologi bertujuan untuk mengklasifikasikan objek-objek yang ada di dalam kumpulannya tanpa memerlukan data latih. Untuk mendukung proses klasifikasi digunakan metode dao. Metode dao digunakan untuk menghitung kemiripan diantara dokumen dari sebuah node yang ada di ontologi dengan melihat jarak terdekat. Tahap pengujian sistem menggunakan akurasi diperoleh hasil sebesar 87%. Hal ini menunjukan bahwa ontologi mampu mengklasifikasikan dokumen tanpa menggunakan data latih.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
J. Samodra, S. Sumpeno, and M. Hariadi, “Klasifikasi Dokumen Teks Berbahasa Indonesia dengan Menggunakan Naïve Bayes,” Seminar, pp. 1–4, 2009.
F. R. Andriansyah, “Implementasi Web Semantik Untuk Aplikasi Pencarian,” vol. 2, no. 1, pp. 11–18, 2015.
R. B. Riwanto, “Klasifikasi Judul Tugas akhir Teknik Informatika Berdasarkan Bidang Minat Menggunakan Algoritma Naive Bayes Classifier(Studi Kasus : Ruang Baca Fakultas Teknik UMM),” Universitas Muhammadiyah Malang, 2010.
I. Destuardi and S. Sumpeno, “Klasifikasi Emosi Untuk Teks Bahasa Indonesia Menggunakan Metode Naive Bayes,” 2009.
A. Achmad and A. A. Ilham, “Implementasi Algoritma Term Frequency – Inverse Document Frequency dan Vector Space Model untuk Klasifikasi Dokumen Naskah Dinas A . Text Mining B . Term frequency – Inversed frequency Algoritm ( TF-IDF ) document Nilai N adalah jumlah dokumen yang terdap,” vol. 257, pp. 88–92.
N. Cahyono, E. Utami, and A. Amborowati, “Konseptualisasi Ontologi Iklan Website,” pp. 275–282, 2016.
P. Widodo, J. A. Putra, S. Afiadi, A. Z. Arifin, and D. Herumurti, “Klasifikasi Kategori Dokumen Berita Berbahasa Indonesia Dengan Metode Kategorisasi Multi- Label Berbasis Domain Specific Ontology,” vol. II, no. 2, 2016.
A. N. Cahyana, “Relevansi Hasil Pencarian Pada Mesin Menggunakan Semantik Web.pdf,” Universitas Muhammdiyah Malang, 2014.
M. B. Septian, “Implementasi model ontologi untuk pencarian informasi berita berbasis semantik,” Universitas Muhammadiyah Malang, 2012.
A. Maedche and S. Staab, “Measuring similarity between ontologies,” Proc Ekaw, pp. 15-- 21, 2002.
Published
-12-31
How to Cite
Lestari, A. P., Maskur, M., & Hayatin, N. (2019). Klasifikasi Teks Berbasis Ontologi Untuk Dokumen Tugas Akhir Berbahasa Indonesia. Jurnal Repositor, 1(2), 79-86. https://doi.org/10.22219/repositor.v1i2.23
More Citation Formats
Issue
Vol. 1 No. 2 (2019): Desember 2019
Section
Pengembangan Perangkat Lunak
All material contained in this journal is protected by law. It is prohibited to quote part or all of the contents of this journal for commercial purposes without the approval of the editorial board of the Repositor Journal. If you find one or more articles contained in the Repositor Journal that violate or have the potential to violate your copyright, please report it to us via email at repositor@umm.ac.id. The formal legal aspect of access to any information and articles contained in this journal refers to the terms of the Creative Commons Attribution 4.0 license. All information contained in the Repositor Journal is academic in nature. Repositor Journal is not responsible for losses that occur due to misuse of information from this journal.