KLASIFIKASI DOSEN PEMBIMBING MENGGUNAKAN KERNEL LINEAR MULTI-CLASS ONE-AGAINS-ONE SVM

Lisa Noor Arida, Ali S.Kholimi, Yuda Munarko

Abstract


Penentuan dosen pembimbing di Jurusan Teknik Informatika Universitas Muhammadiyah Malang masih dilakukan secara manual dengan mengandalkan pengetahuan pribadi tentang keahlian dosen yang dibutuhkan. Oleh karena itu dibutuhkan analisis tentang keahlian dosen yang sesuai dengan topik tugas akhir mahasiswa. Beberapa penelitian telah dilakukan untuk memberikan rekomendasi dosen pembimbing yang sesuai dengan tugas akhir yang diinginkan mahasiswa.menggunakan metode Neural Network (ANN). Pada penelitian ini, metode klasifikasi dengan Support Vector Machine (SVM) akan digunakan untuk mengklasifikasi dosen pembimbing tugas akhir. Jenis SVM yang digunakan adalah multi class SVM one against one menggunakan kernel linear. Parameter data yang digunakan adalah judul tugas akhir, abstrak, keyword. Pengujian dilakukan dengan skenario menggunakan 2 metode processing data. Metode preprocessing data pertama menggunakan stemming dan yang kedua dilakukan preprocessing data tanpa stemming. Hasil pengujian dari perbandingan skenario menunjukkan bahwa preprocessing data tanpa stemming menggunakan kernel linear SVM dengan menggunakan nilai cost (C) sama dengan 4 menghasilkan performasi yang lebih baik dengan rata-rata akurasi sebesar 28.10% dan running time 1.47 menit dibandingkan processing data menggunakan stemming dengan rata-rata akurasi sebesar 28.25% dan running time 58.7 menit.

References


A. F. Hermawati, Data Mining, Yogyakarta: Penerbit Andi, 2013

Eko Prasetyo. Data Mining: Konsep dan Aplikasi menggunakan Matlab, Yogyakarta: Penerbit Andi. 2012.

F. Wulandini, A.S. Nugroho. “Text Classification Using Support Vector Machine for Webmining Based Spatio Temporal Analysis of the Spread of Tropical Diseases” in International Conference on Rural Information and Communication Technology. 2009.

J.D.M. Rennie, Ryan Rifkin. Improving Multiclass Text Classification with the Support Vector Machine. Cambridge: Massachusetts Insitute of Technology. 2001.

Krisantus Sembiring. Penerapan Teknik Support Vector Machine untuk Pendeteksian Intrusi pada Jaringan. Thesis. Bandung: Institut Teknologi Bandung. 2007.

N.W.S. Saraswati. Text Mining dengan Metode Naïve Bayes Classifier dan Support Vector Machine untuk Sentimen Analysis. Thesis. Bali: Universitas Udayana. 2011.

Rosalina Syamsu. Implementasi Algoritma Neural Network dengan Metode Prune Untuk Klasifikasi Penentuan Dosen Pembimbing Tugas Akhir. Thesis. Malang: Universitas Muhammadiyah Malang. 2015.

T. Zinner et al. Text Categorization for Deriving the Application Quality in Enterprises Using Ticketing, Switzerland: Springer International Publishing2015.




DOI: https://doi.org/10.22219/sentra.v0i2.1883

Refbacks

  • There are currently no refbacks.


Seketariat

Fakultas Teknik

Universitas Muhammadiyah Malang Kampus III

Jl. Raya Tlogomas 246 Malang, 65144