UPT Perpustakaan Unitama

  • Beranda
  • Informasi
  • Berita
  • Bantuan
  • Pustakawan
  • Area Anggota
  • Pilih Bahasa :
    Bahasa Arab Bahasa Bengal Bahasa Brazil Portugis Bahasa Inggris Bahasa Spanyol Bahasa Jerman Bahasa Indonesia Bahasa Jepang Bahasa Melayu Bahasa Persia Bahasa Rusia Bahasa Thailand Bahasa Turki Bahasa Urdu

Pencarian berdasarkan :

SEMUA Pengarang Subjek ISBN/ISSN Pencarian Spesifik

Pencarian terakhir:

{{tmpObj[k].text}}
Image of Implementasi Text Classification Dengan Metode K Nearest Neighbour Untuk Pengelompokkan Jenis Pelanggaran Pemilu
Penanda Bagikan

Skripsi

Implementasi Text Classification Dengan Metode K Nearest Neighbour Untuk Pengelompokkan Jenis Pelanggaran Pemilu

Selfiana. J - Nama Orang;

IMPLEMENTASI TEXT CLASSIFICATION DENGAN METODE K NEAREST NEIGHBOUR UNTUK PENGELOMPOKKAN JENIS PELANGGARAN PEMILU
Selviana. J1, Nurzaenab2, Tamra3
selviana19@mhs.akba.ac.id1, nurzaenab@akba.ac.id2, tamra@akba.ac.id
Universitas Teknologi Akba Makassar, Sulawesi Selatan, Indonesia

ABSTRAK
Permasalahan yang terjadi mencakup kompleksitas identifikasi pelanggaran pemilu yang memerlukan pendekatan yang efektif. Tujuan dari penelitian ini adalah untuk meningkatkan akurasi dan ketepatan dalam mengenali jenis pelanggaran pemilu. Data ini diperoleh melalui sumber-sumber terkait pelanggaran pemilu berupa jurnal, internet dan penelitian lapangan di kantor Bawaslu Sulawesi Selatan. Metode yang digunakan dalam penelitian ini memfokuskan implementasi KNN sebagai algoritma klasifikasi untuk mengelompokkan jenis pelanggaran berdasarkan karakteristik teks. Hasil penelitian menunjukkan bahwa implementasi text clasification metode k-Nearest Neighbour bahwa dalam mengklasifikasikan jenis-jenis pelanggaran Pemilu terbukti efektif dengan tingkat akurasi yang memuaskan. Dilihat dari hasil accuracy,precision dan reccall pada percobaan dataset menggunakan evaluasi KNN Optimal. Pada percobaan 1, data training 70% dan data testing 30% menghasilkan akurasi tarining 100.00% dan testing 85.75%. Percobaan 2, data training 80% dan data testing 20% menghasilkan akurasi tarining 100.00% dan testing 87.88%. Percobaan 3, data training 90% dan data testing 10% menghasilkan akurasi tarining 84.93% dan testing 94.12%.
Kata Kunci: Text Classification, K-Nearest Neighbor, Pengelompokan, Jenis Pelanggaran, Pemilu


Ketersediaan
#
Perpustakaan STMIK AKBA (A/750) SKR/TI/2023 REF SEL i
2656/SKR-Ti/AKBA/24
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR SEL i
Penerbit
Makassar : UNITAMA., 2023
Deskripsi Fisik
xiii + 54 hlm.: ilus.; 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF SEL i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Nurzaenab Dan Pembimbing II: Tamra
Pernyataan Tanggungjawab
-
Versi lain/terkait

Tidak tersedia versi lain

Lampiran Berkas
Tidak Ada Data
Komentar

Anda harus masuk sebelum memberikan komentar

UPT Perpustakaan Unitama
  • Informasi
  • Layanan
  • Pustakawan
  • Area Anggota

Tentang Kami

As a complete Library Management System, SLiMS (Senayan Library Management System) has many features that will help libraries and librarians to do their job easily and quickly. Follow this link to show some features provided by SLiMS.

Cari

masukkan satu atau lebih kata kunci dari judul, pengarang, atau subjek

Donasi untuk SLiMS Kontribusi untuk SLiMS?

© 2026 — Senayan Developer Community

Ditenagai oleh SLiMS
Pilih subjek yang menarik bagi Anda
  • Karya Umum
  • Filsafat
  • Agama
  • Ilmu-ilmu Sosial
  • Bahasa
  • Ilmu-ilmu Murni
  • Ilmu-ilmu Terapan
  • Kesenian, Hiburan, dan Olahraga
  • Kesusastraan
  • Geografi dan Sejarah
Icons made by Freepik from www.flaticon.com
Pencarian Spesifik
Kemana ingin Anda bagikan?