Implementasi Algoritma K-Nearest Neighbor dalam Sistem Case Based Reasoning untuk Pembentukan Identitas Jawaban Otomatis dan Pencari Kemiripan Jawaban dari Soal-Soal Algoritma

Nurida Ahsanti, Nurida (2016) Implementasi Algoritma K-Nearest Neighbor dalam Sistem Case Based Reasoning untuk Pembentukan Identitas Jawaban Otomatis dan Pencari Kemiripan Jawaban dari Soal-Soal Algoritma. Diploma thesis, UIN Sunan Gunung Djati Bandung.

[img]
Preview
Text (COVER)
1_cover.pdf

Download (28kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (23kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (2MB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (217kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (398kB)
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (1MB)
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (845kB)
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (26kB)
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (33kB)

Abstract

Minat persaingan dalam mengembangkan teknologi baru terutama pada Software semakin ketat, sehingga pembelajaran dari berbagai studi kasus sangat dicari. Namun, apabila mengoleksi referensi studi kasus secara manual pada nyatanya tidak semudah yang diperkirakan apalagi jika harus membandingkan satu persatu dengan kasus sedang dicari solusinya. Salahsatu bentuk untuk membantu dalam pembelajaran tersebut yaitu dengan membangun aplikasi yang dapat menampung semua referensi atau sumber pengetahuan kasus dan dapat menghitung hasil kemiripan serta mengklasifikasikan soal kasus baru yang sedang dicari solusinya dengan metode pengembangan perangkat lunak Prototype. Dalam pengimplementasian, ada beberapa hal yang harus dilakukan oleh sistem diantaranya Pre-Processing, kemudian menentukan jumlah frekuensi dari tiap term dalam dokumen dengan TF-IDF dan menggunakan metode untuk mencari kemiripan dengan Cosine Similarity. Hal-hal tersebut dilakukan sebagai pendukung dalam mencari kemiripan dari studi kasus yang dicari solusinya dan pengetahuan kasus yang telah ada sebelumnya sehingga proses pencarian dapat dilakukan secara efektif. Algoritma K-Nearest Neighbor dipilih sebagai algoritma pengklasifikasi karena dari hasil penelitian yang telah dilakukan sebelumnya banyak yang menyatakan bahwa Algoritma KNN mempunyai kinerja yang baik apalagi jika diimplementasikan dengan algoritma Case Based Reasoning, sehingga hasil pengimplementasian pada sistem yang dibangun menunjukkan pernyataan yang sama dalam mengklasifikasikan struktur dasar algoritma dengan nilai k = 5 memperoleh akurasi sebesar 0,9 dari pengujian dengan menggunakan 10 soal algoritma dan data training sebanyak 90 dokumen yang terbagi kedalam 3 kategori yaitu runtunan, pemilihan dan pengulangan. Prototype, Pre-Processing, TF-IDF, Cosine Similarity, K-Nearest Neighbor, Case Based Reasoning.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Prototype, Pre-Processing, TF-IDF, Cosine Similarity, K-Nearest Neighbor, Case Based Reasoning
Subjects: Engineering
Engineering > Other Engineering Materials
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Sopia Respiawati
Date Deposited: 12 Oct 2017 03:10
Last Modified: 12 Oct 2017 03:10
URI: http://digilib.uinsgd.ac.id/id/eprint/4510

Actions (login required)

View Item View Item