Open AccessMetode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM)
Author(s) -
Oman Somantri,
Slamet Wiyono,
Dairoh Dairoh
Publication year - 2016
Publication title -
scientific journal of informatics/scientific journal of informatics
Language(s) - Estonian
Resource type - Journals
eISSN - 2460-0040
pISSN - 2407-7658
DOI - 10.15294/sji.v3i1.5845
Subject(s) - artificial intelligence , computer science , mathematics
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%.