Klasifikasi teks hasil tafsir ayat sains dalam Al-Qur'an menggunakan algoritma Support Vector Machine (SVM)

Hidayat, Novi Amalia (2020) Klasifikasi teks hasil tafsir ayat sains dalam Al-Qur'an menggunakan algoritma Support Vector Machine (SVM). Diploma thesis, UIN Sunan Gunung Djati Bandung.

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

Download (209kB) | Preview
[img]
Preview
Text (ABSTRAK)
2_abstrak.pdf

Download (270kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
3_daftarisi.pdf

Download (177kB) | Preview
[img]
Preview
Text (BAB I)
4_bab1.pdf

Download (382kB) | Preview
[img] Text (BAB II)
5_bab2.pdf
Restricted to Registered users only

Download (688kB) | Request a copy
[img] Text (BAB III)
6_bab3.pdf
Restricted to Registered users only

Download (917kB) | Request a copy
[img] Text (BAB IV)
7_bab4.pdf
Restricted to Registered users only

Download (564kB) | Request a copy
[img] Text (BAB V)
8_bab5.pdf
Restricted to Registered users only

Download (173kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
9_daftarpustaka.pdf
Restricted to Registered users only

Download (252kB) | Request a copy

Abstract

Terdapat 1.108 ayat yang mengandung bagian dari alam pada Al-Qur’an. Namun, dalam memahami ayat tersebut dibutuhkan penafsiran lebih lanjut. Karena terdapat ayat yang susunan kalimatnya singkat, tetapi sebenarnya memiliki makna yang luas sehingga dibutuhkan penafsiran dalam memahami ayat tersebut. Salah satu media yang bisa digunakan dalam memahami tafsir adalah kitab tafsir. Hanya saja umumnya kitab tafsir terdiri dari beberapa jilid, sehingga akan membutuhkan banyak waktu untuk menemukan ayat sains dalam kitab tafsir. Untuk mempermudah dalam menemukan tafsir tentang ayat sains, maka digunakan proses klasifikasi dengan menggunakan Algoritma Support Vector Machine (SVM). Algoritma SVM mengklasifikasikan data dengan cara mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas data pada ruang input. Hasil penelitian menunjukkan nilai uji validitas menggunakan metode 10-Fold Cross Validation sebesar 81.375%.

Item Type: Thesis (Diploma)
Uncontrolled Keywords: kfold cross validation; klasifikasi; sains; support vector machine; tafsir; text mining; machine learning;
Subjects: Science and Religion
Technology, Applied Sciences
Divisions: Fakultas Sains dan Teknologi > Program Studi Teknik Informatika
Depositing User: Novi Amalia Hidayat
Date Deposited: 28 Aug 2020 02:36
Last Modified: 28 Aug 2020 02:36
URI: https://etheses.uinsgd.ac.id/id/eprint/32839

Actions (login required)

View Item View Item