// <![CDATA[TEXT MINING UNTUK KLASIFIKASI ABSTRAK PAPER INFORMATIKA MENGGUNAKAN TF-IDF DAN MULTICLASS SVM]]> 0422106801 - Dewi Rosmala , S.Si, M.IT. Dosen Pembimbing 1 Nur Fitrianti Fahrudin, S.Kom., M.T. Dosen Pembimbing 2 FUTY ALPAZ/152016093 Penulis
Pencarian paper membutuhkan waktu yang cukup lama dikarenakan masih banyaknya paper penelitian yang belum diklasifikasikan berdasarkan topik yang dibutuhkan. Text mining merupakan proses untuk menemukan informasi penting pada sekumpulan abstrak sehingga dapat digunakan untuk melakukan klasifikasi paper. Tahapan penelitian dimulai dari pengumpulan abstrak paper, preprocessing, kemudian seleksi fitur menggunakan metode TF-IDF dan terakhir klasifikasi menggunakan metode Support Vector Machine (SVM) dengan teknik multiclass One Against All. Penelitian ini bertujuan untuk mengukur nilai akurasi, presisi, recall, dan F1-Score pada sistem klasifikasi abstrak paper informatika menggunakan metode Support Vector Machine (SVM) dengan teknik multiclass One Against All. Hasil pengujian menggunakan metode split data memperoleh nilai akurasi, presisi, recall, dan F1-Score sebesar 96%, 97%, 96% dan 97%, sementara pengujian data perkelas memperoleh nilai rata-rata akuras, presisi, recall, dan F1-Score secara beruntun sebesar 98%, 96%, 96%, dan 96%.