Announcement
Starting on July 4, 2018 the Indonesian Publication Index (IPI) has been acquired by the Ministry of Research Technology and Higher Education (RISTEKDIKTI) called GARUDA Garba Rujukan Digital (http://garuda.ristekdikti.go.id)
For further information email to portalgaruda@gmail.com

Thank you
Logo IPI  
Journal > Scientific Journal of Informatics > Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM)

 

Full Text PDF (704 kb)
Scientific Journal of Informatics
Vol 3, No 1 (2016): May 2016
Metode K-Means untuk Optimasi Klasifikasi Tema Tugas Akhir Mahasiswa Menggunakan Support Vector Machine (SVM)
Somantri, Oman ( Politeknik Harapan Bersama Tegal)
Wiyono, Slamet ( Politeknik Harapan Bersama Tegal)
Dairoh, Dairoh ( Politeknik Harapan Bersama Tegal)
Article Info   ABSTRACT
Published date:
30 Jun 2016
 
Masih sulitnya dalam menentukan klasifikasi tema tugas akhir mahasiswa sering dialami oleh setiap perguruan tinggi. Algoritma SVM digunakan untuk mengklasifikasi jenis tema tugas akhir mahasiswa. SVM merupakan metode yang banyak digunakan untuk klasifikasi. K-Means Clustering merupakan metode pengelompokan paling sederhana yang mengelompokkan data kedalam k kelompok berdasar pada centroid masing-masing kelompok. Optimasi klasifikasi tema tugas akhir mahasiswa menggunakan SVM dan K-Means untuk meningkatkan tingkat akurasi. Hasil yang diperoleh memiliki tingkat akurasi yang lebih baik yaitu 86,21%. 
Copyrights © 2016