Melola Discovery

← Melola Discovery

Jurnal SINTA 2

SUPPORT VECTOR MACHINES YANG DIDUKUNG K-MEANS CLUSTERING DALAM KLASIFIKASI DOKUMEN

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 11 No. 1 (2013) · hlm. 15–18

DOI
10.12962/j24068535.v11i1.a15
ISSN
2406-8535, 1412-6389
Terbit
2013-01-01
Penerbit
Institut Teknologi Sepuluh Nopember
Bahasa
eng

Abstrak

Dokumen dengan jumlah data yang besar dan bervariasi seringkali mempersulit proses klasifikasi. Hal ini dapat diperbaiki dengan mengatasi variasi data untuk menghasilkan akurasi yang lebih baik. Penelitian ini mengusulkan sebuah metode baru untuk kategorisasi dokumen teks berbahasa Inggris dengan terlebih dahulu melakukan pengelompokan menggunakan K-Means Clustering kemudian dokumen diklasifikasikan menggunakan multi-class Support Vector Machines (SVM). Dengan adanya pengelompokan tersebut, variasi data dalam membentuk model klasifikasi akan lebih seragam. Hasil uji coba terhadap judul artikel jurnal ilmiah menunjukkan bahwa metode yang diusulkan mampu meningkatkan akurasi dengan menghasilkan akurasi sebesar 88,1%, presisi sebesar 96,7% dan recall sebesar 94,4% dengan parameter jumlah kelompok sebesar 5.

Jaringan kolaborasi para penulis

11 penulis · 32 tautan kepenulisan bersama · 19 lintas organisasi

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • UIN Sunan Ampel Surabaya
  • Universitas Negeri Surabaya
  • Ministry of Religious Affairs
  • Universitas Islam Negeri Maulana Malik Ibrahim
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Kusaeri KusaeriUIN Sunan Ampel Surabaya2
Dian Candra Rini NovitasariUIN Sunan Ampel Surabaya1
Ahmad HidayatullahMinistry of Religious Affairs1
Ahmad Hanif AsyharUIN Sunan Ampel Surabaya1
Ali RidhoUniversitas Islam Negeri Maulana Malik Ibrahim1
Wiwik Sri UtamiUniversitas Negeri Surabaya1
Bambang Sigit WidodoUniversitas Negeri Surabaya1
Hendri PrastiyonoUniversitas Negeri Surabaya1
Sri MurtiniUniversitas Negeri Surabaya1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://juti.if.its.ac.id/index.php/juti/oai, pertama di-harvest 26 Okt 2026, terakhir terlihat 15 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en">SUPPORT VECTOR MACHINES YANG DIDUKUNG K-MEANS CLUSTERING DALAM KLASIFIKASI DOKUMEN</dc:title>
	<dc:creator xml:lang="en">Yusuf, Ahmad</dc:creator>
	<dc:creator xml:lang="en">Priambadha, Tirta</dc:creator>
	<dc:description xml:lang="en"> Dokumen dengan jumlah data yang besar dan bervariasi seringkali mempersulit proses klasifikasi. Hal ini dapat diperbaiki dengan mengatasi variasi data untuk menghasilkan akurasi yang lebih baik. Penelitian ini mengusulkan sebuah metode baru untuk kategorisasi dokumen teks berbahasa Inggris dengan terlebih dahulu melakukan pengelompokan menggunakan K-Means Clustering kemudian dokumen diklasifikasikan menggunakan multi-class Support Vector Machines (SVM). Dengan adanya pengelompokan tersebut, variasi data dalam membentuk model klasifikasi akan lebih seragam. Hasil uji coba terhadap judul artikel jurnal ilmiah menunjukkan bahwa metode yang diusulkan mampu meningkatkan akurasi dengan menghasilkan akurasi sebesar 88,1%, presisi sebesar 96,7% dan recall sebesar 94,4% dengan parameter jumlah kelompok sebesar 5.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2013-01-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/15</dc:identifier>
	<dc:identifier>10.12962/j24068535.v11i1.a15</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 11, No 1, Januari 2013; 15-18</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v11i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/15/14</dc:relation>
</oai_dc:dc>