Perbandingan kinerja Algoritma Decision Tree C4.5 dan K-Nearest Neighbor (KNN) pada klasifikasi hadits Imam At-Tirmidzi

Awaludin, Glen Nur (2019) Perbandingan kinerja Algoritma Decision Tree C4.5 dan K-Nearest Neighbor (KNN) pada klasifikasi hadits Imam At-Tirmidzi. Diploma thesis, UIN Sunan Gunung Djati Bandung.

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

Download (114kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (201kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (192kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (458kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (399kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (709kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (1MB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (91kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (219kB) | Request a copy

Abstract

Ulama terdahulu selalu melakukan upaya untuk membuat berbagai rumusan yang digunakan untuk melakukan kategorisasi serta klasifikasi Hadits. Pada masa sekarang, proses kategorisasi atau klasifikasi tersebut dimudahkan prosesnya dengan adanya teknologi text mining. Di dalam kajian text mining sendiri terdapat berbagai macam tools serta metode atau algoritma yang dapat digunakan dan juga membantu memberikan hasil maksimal dalam proses penambangan informasi dari sebuah teks. Contohnya ialah algoritma Decision Tree C4.5 dan K-Nearest Neighbor. Berdasarkan hal tersebut, Penulis menginginkan membuat sebuah penelitian serta tugas akhir ini untuk membandingkan kinerja yang dihasilkan dari proses klasifikasi dokumen teks menggunakan algoritma Decision Tree C4.5 dan K-Nearest Neighbor untuk klasifikasi Hadits Imam At-Tirmidzi. Dengan adanya hasil penelitian ini, diharapkan dapat menjadi pengetahuan mengenai proses klasifikasi dokumen teks beserta kinerja dari kedua algoritma tersebut. Berdasarkan pengujian yang telah dilakukan, algoritma Decision Tree C4.5 menghasilkan nilai akurasi rata-rata sebesar 70.53% dengan waktu proses rata-rata selama 0.083 Detik. Sedangkan algoritma K-Nearest Neighbor menghasilkan nilai akurasi rata-rata sebesar sebesar 66.36% dengan waktu proses rata-rata selama 0.03 Detik.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: Decision Tree C4.5; K-Nearest Neighbor; Text Mining; Klasifikasi; Hadits;
Subjects: Data Processing, Computer Science
Numerical Analysis > Algorithms
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Glen Nur Awaludin
Date Deposited: 09 Dec 2019 03:49
Last Modified: 09 Dec 2019 03:49
URI: https://digilib.uinsgd.ac.id/id/eprint/28023

Actions (login required)

View Item View Item