Skripsi

Implementasi K-Means Untuk Mengurangi Waktu Komputasi Pada Pengelompokan Dokumen Berita Bahasa Indonesia Dengan Metode K-Nearest Neighbor

---

Tujuan penelitian ini adalah mengimplementasikan teknik clustering K-Means untuk mengurangi waktu komputasi pada pengelompokan dokumen berita Bahasa Indonesia dengan metode K-Nearest Neighbor.
Data ini diperoleh dari 1) Studi Pustaka, 2) Website kompas.com. Data ini dianalisis dengan menggunakan kombinasi K-Means dan K-Nearest Neighbor.
Hasil penelitian ini menunjukkan bahwa implementasi K-Means dapat mengurangi waktu komputasi pada pengelompokan berita dengan metode K-Nearest Neighbor dibandingkan dengan metode K-Nearest murni. Rata-rata waktu komputasi metode K-Nearest Neighbor dengan K-Means adalah 0,5011 detik, Sedangkan waktu komputasi metode K-Nearest Neighbor tanpa dilakukan clustering adalah 2,4841 detik.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

SKR Si 18 ASR i

Penerbit

Makassar : STMIK AKBA., 2018

Deskripsi Fisik

xvii + 95 hlm.; 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

REF ASR i

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

-

Info Detail Spesifik

Pembimbing I : Ashari dan Andi Yulia Muniar

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar