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.
|
Text (COVER)
1_cover.pdf Download (28kB) | Preview |
|
|
Text (ABSTRAK)
2_abstrak.pdf Download (23kB) | Preview |
|
|
Text (DAFTAR ISI)
3_daftarisi.pdf Download (2MB) | Preview |
|
|
Text (BAB I)
4_bab1.pdf Download (217kB) | Preview |
|
Text (BAB II)
5_bab2.pdf Restricted to Registered users only Download (398kB) |
||
Text (BAB III)
6_bab3.pdf Restricted to Registered users only Download (1MB) |
||
Text (BAB IV)
7_bab4.pdf Restricted to Registered users only Download (845kB) |
||
Text (BAB V)
8_bab5.pdf Restricted to Registered users only Download (26kB) |
||
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: | https://digilib.uinsgd.ac.id/id/eprint/4510 |
Actions (login required)
View Item |