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 Metode Support Vector Machine (CVM) Untuk Pengelompokan Jenis Pelanggaran Pemilu
Penanda Bagikan

Skripsi

Implementasi Text Classification Metode Support Vector Machine (CVM) Untuk Pengelompokan Jenis Pelanggaran Pemilu

Claudya Constantia Timisela - Nama Orang;

ABSTRAK

CLAUDYA CONSTANTIA TIMISELA, Implementasi Text Clasification Support Vector Machine (SVM) Untuk Pengelompokan Jenis Pelanggaran Pemilu (dibimbing oleh Akbar Iskandar dan Kamaruddin).

Pemilihan Umum (Pemilu) merupakan pilar utama demokrasi yang sering kali diwarnai oleh berbagai bentuk pelanggaran. Untuk membantu proses identifikasi jenis pelanggaran secara efisien, penelitian ini mengimplementasikan metode Support Vector Machine (SVM) dalam klasifikasi teks laporan pelanggaran pemilu. Data yang digunakan berasal dari laporan pelanggaran di Bawaslu Sulawesi Selatan, dengan fokus pada tiga kategori pelanggaran, yaitu administratif, kode etik, dan pidana.
Metode yang digunakan meliputi tahap text preprocessing (pembersihan teks), pembobotan kata menggunakan TF-IDF, dan pelatihan model SVM dengan optimasi parameter melalui Grid Search dan kernel RBF. Dataset dibagi dalam rasio 80% untuk pelatihan dan 20% untuk pengujian. Hasil penelitian menunjukkan bahwa model mencapai akurasi sebesar 82%, dengan kinerja terbaik dalam mengklasifikasikan pelanggaran administratif. Namun, performa model terhadap kategori kode etik dan pidana masih rendah, disebabkan oleh ketidakseimbangan jumlah data antar kelas.
Penelitian ini menunjukkan bahwa SVM efektif untuk klasifikasi teks dalam konteks pelanggaran pemilu, namun akurasi klasifikasi dapat ditingkatkan dengan strategi penyeimbangan data atau eksplorasi metode klasifikasi alternatif.

Kata Kunci: Pemilu, Text Classification, Pelanggaran, SVM, TF-IDF, Bawaslu























Ketersediaan
#
Perpustakaan STMIK AKBA (A / 992) SKR/TI/2025 REF CLA i
3026/SKR-Ti/AKBA/26
Tersedia namun tidak untuk dipinjamkan - No Loan
Informasi Detail
Judul Seri
-
No. Panggil
SKR CLA i
Penerbit
Makassar : UNITAMA., 2025
Deskripsi Fisik
xv + 56 hlm., 28,5 cm
Bahasa
Indonesia
ISBN/ISSN
-
Klasifikasi
REF CLA i
Tipe Isi
-
Tipe Media
-
Tipe Pembawa
-
Edisi
-
Subjek
-
Info Detail Spesifik
Pembimbing I: Akbar Iskandar dan Pembimbing II: Kamaruddin Penguji: Erwin Gatot Amiruddin, Listia Utami dan Neneng Awaliah
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?