Penerapan Cosine Similarity dan K-Nearest Neighbor (K-NN) pada Klasifikasi dan Pencarian Buku

Rut Samuel • Ripa Natan • Fitria Fitria • Ummi Syafiqoh

Download full text
(6 pages)

Abstract

Penelitian ini bertujuan untuk membuat sebuah aplikasi Penerapan Cosine Similarity dan K-Nearest Neighbor (KNN) pada Klasifikasi dan Pencarian Buku. Dalam pencarian buku, user masih kesulitan dalam mencari buku referensi yang diinginkan. Metode Cosine Similarity adalah mengukur kemiripan antara dua dokumen atau teks. Pada Cosine Similarity dokumen atau teks dianggap sebagai vector. Pada penelitian ini, Cosine Similarity digunakan untuk menghitung jumlah kata istilah yang muncul pada halaman-halaman yang diacu pada daftar indeks. Semakin banyak jumlah kata istilah yang muncul pada suatu halaman semakin tinggi nilai Cosine Similarity yang diperoleh. Metode K-Nearest Neighbor (KNN) adalah suatu metode yang menggunakan algoritma supervised dimana hasil dari contoh query yang baru diklasifikan berdasarkan mayoritas dari kategori pada KNN. Tujuan dari algoritma ini adalah mengklasifikasikan obyek baru berdasarkan atribut dan training sample.Pada sistem ini menggunakan 100 data buku beserta sinopsis buku, yang masing-masing buku telah dibagi menurut klasifikasi buku dan diberikan bobot Hasil klasifikasi dan pencarian buku dipengaruhi oleh query yang dimasukkan. Hasil klasifikasi dan pencarian buku membutuhkan waktu yang lama karena adanya proses preprocessing. Nilai akurasi pada pencarian dengan Cosine Similarity menghasilkan nilai rata-rata untuk precision 0.75 %, recall 0.6 % dan f-measure 0.66 % dengan menggunakan 3 sinopsis buku untuk menghitung nilai precision, recall dan fmeasure. Untuk klasifikasi dengan K-Nearest Neighbor menghasilkan nilai rata-rata 70 % dengan menggunakan 10 data pembanding.

 

Metrics

  • 0 views
  • 1 download

Journal

Journal of Big Data Analytic and Artificial Intelligence

JBIDAI merupakan jurnal ilmiah yang didedikasikan bagi deseminasi hasil penelitian dalam rumpun i... see more