z-logo
open-access-imgOpen Access
Kinerja Algoritma Kmeans++ pada Pengelompokkan Dokumen Teks Pendek pada Abstrak di Jurusan Teknik Elektro Fakultas Teknik UNJ
Author(s) -
Catur Rahma Sistiani,
Widodo Widodo,
Bambang Prasetya Padhi
Publication year - 2018
Publication title -
pinter jurnal pendidikan teknik informatika dan komputer
Language(s) - Italian
Resource type - Journals
ISSN - 2597-4475
DOI - 10.21009/pinter.2.1.6
Subject(s) - physics
Pengelompokkan pada dokumen teks pendek masih sulit ini dikarenakan di sparsity kata. Tujuan penelitian ini adalah untuk mengetahui kinerja algoritma k-means++ pada teks pendek dan untuk mengetahui proses pengelompokkan algoritma k-means++ pada tekspendek di abstrak skripsi Jurusan Teknik Elektro Fakultas Teknik UNJ dilaksanakan padasemester genap tahun ajaran 2014-2015. Penelitian ini menggunakan metode penelitianeksperimen. Data abstrak yang digunakan sebanyak 200 abstrak. Penelitian meneliti 4 datayaitu Data pertama adalah abstrak ilmiah di jurusan Teknik Elektro, Universitas NegriJakarta pada paragraf 1 sampai paragraf 3. Data kedua adalah paragraf 1 pada abstrakilmiah di jurusan Teknik Elektro, Universitas Negri Jakarta. Data ketiga adalah paragraf 2pada abstrak ilmiah di jurusan Teknik Elektro, Universitas Negri Jakarta. Data keempatadalah paragraf 3 pada abstrak ilmiah di jurusan Teknik Elektro, Universitas Negri Jakarta.Pengujian kinerja algoritma k-means++ menggunakan matrix confusion. Berdasarkan hasilpenelitian, didapatkan kesimpulan bahwa keakurasian pada abstrak, paragraf 1 di abstrak,paragraf 2 di abstrak, dan paragraf 3 di abstrak mencapai lebih dari 80% . Didapatkan jugakesesuaian antar data yang diprediksi dengan hasil yang benar dari data yangsebenarnya(presisi) pada abstrak, paragraf 1 di abstrak, paragraf 2 di abstrak, dan paragraf3 di abstrak mencapai lebih dari 50% . Didapatkan juga peluang munculnya data relevanyang diambil sesuai dengan query (recall) pada abstrak, paragraf 1 di abstrak, paragraf 2 diabstrak, dan paragraf 3 di abstrak mencapai lebih dari 80%.

The content you want is available to Zendy users.

Already have an account? Click here to sign in.
Having issues? You can contact us here
Accelerating Research

Address

John Eccles House
Robert Robinson Avenue,
Oxford Science Park, Oxford
OX4 4GP, United Kingdom