Optimasi Skripsi Mahasiswa Teknik Informatika Menggunakan Klasifikasi Algoritma Naive Bayes Dan Support Vector Machine.

  • HS Sulistyowati, Ir., MM
  • Hudi Kusuma Bharata, ST, MKom
Keywords: Naïve-Bayes Classifier, Support Vector Machine, Nilai Akurasi

Abstract

Abstrak - Skripsi  merupakan salah satu syarat yang harus dipenuhi oleh mahasiswa untuk menyelesaikan pendidikan di perguruan tinggi . Pada program studi Teknik Informatika STMIK Bani Saleh, penyusunan skripsi oleh mahasiswa dapat dipilih dari 14 (empat belas) topik/kategori yang mewakili ilmu pengembangan teknik informatika. Penelitian ini  bertujuan untuk melakukan klasifikasi terhadap skripsi mahasiswa Jurusan Teknik Informatika  berdasarkan pada abstrak  dalam bahasa Indonesia. Hal ini dilakukan karena abstrak mengandung isi yang merinci dan menjelaskan topik penelitian dari skripsi mahasiswa. Klasifikasi dilakukan untuk mengorganisasikan teks-teks dengan isi sama akan dikelompokkan ke dalam satu kategori tertentu, dan merupakan salah satu klasifikasi dari tex mining. Metode klasifikasi yang digunakan dalam penelitian ini adalah klasifikasi teks  dengan algorima Naïve Bayes Classifier dan Support Vector Machine (SVM).

                Proses klasifikasi diawali dengan Tahap 1: Studi Pustaka, Tahap 2: dilanjutkan dengan pengumpulan Data set, kemudian Tahap 3: Analisa yang meliputi Klasifikasi dan Pelabelan data secara manual, preprocessing data dan ekstraksi fitur serta pengambilan data Training dan Penentuan model. Metode pembobotan kata yang digunakan adalah Term Frequency- Inverse Document Frequency (TF-IDF).Klasifikasi menggunakan metode klasifikasi Naïve-Bayes Classifier (NBC), dan Support Vector Machine (SVM) dan pemrograman dengan bahasa phyton serta dengan sampel sebanyak 80 abstrak srikpsi. Dari sampel tersebut, 70 % dijadikan sebagai data training dan 30 % sebagai data testing . Nilai akurasi dari kedua metode tersebut menunjukkan hasil yang berbeda, yaitu  akurasi 79,166 % untuk klasifikasi dengan metode NBC dan akurasi 83,33 % dengan metode SVM.

Hasil dari penelitian ini dapat dilakukan untuk melakukan pemetaan klasifikasi topik skripsi yang sudah dikerjakan pada periode sebelumnya, sehingga mahasiswa yang akan mengerjakan skripsi   dapat diarahkan pada topik yang belum banyak dikerjakan atau melanjutkan  topik tertentu yang sudah pernah dikerjakan. Dengan demikian pemilihan topik skripsi di jurusan Teknik Informatika menjadi lebih beragam, kualitas dan kuantitas skripsi dapat lebih optimal.

Published
2020-07-13