Kata kunci
Metode	Free Text Search Boolean Rule Search Expanded Search (untuk pencarian free text)
	Panduan Pencarian

Undergraduate Theses dari STIKOM Surabaya / 02-07-2009 16:27:02 WIB
Posting oleh nia  •  Ditampilkan sebanyak 36700 kali

Share this information :

Author : EDWIN KRISNHA MARENDRA (04410100008)

Subject	:	DATA STRUCTURE
Keyword	:	text mining k-Nearest-Neighbor classification RSS

Abstract in Bahasa Indonesia

RSS menawarkan kemudahan untuk mendapatkan informasi-informasi terbaru (dapat berupa berita terbaru, update artikel terbaru atau posting forum terbaru, dan lain sebagainya) dari suatu website, tanpa harus mengunjungi website yang bersangkutan. Namun, tidak semua informasi yang dikirimkan oleh RSS, dibutuhkan oleh pengguna. Apalagi jika dalam RSS terdapat begitu banyak artikel atau informasi dan pengguna berlangganan lebih dari satu RSS. Dan hal itu akan sangat memakan waktu pengguna apabila pengguna harus membaca semua informasi dari RSS untuk mendapatkan hanya informasi yang dibutuhkan.

Salah satu solusi untuk mengatasi masalah tersebut adalah dengan mengklasifikasikan content RSS ke dalam kelas-kelas, agar pengguna hanya memperoleh informasi atau content RSS sesuai dengan yang diinginkan. Untuk mengklasifikasikan RSS, akan dilakukan dengan mengimplmentasikan text mining. Dan algoritma yang dianggap dapat membantu dalam kasus ini adalah Algoritma k-Nearest-Neighbor Classifier.

Dalam tugas akhir ini akan dibahas tentang implementasi text mining menggunakan algoritma k-Nearest-Neighbor yang akan diaplikasikan pada RSS Aggregator berbasis web, sehingga pengguna mampu mengklasifikasikan content RSS sesuai dengan kelas-kelas yang dibuat, dengan tingkat kualitas dan akurasi dari klasifikasi sesuai dengan yang diharapkan.


Abstract

RSS offer amenity to get newest informations ( can be the newest news, newest article update or newest forum posting, and others) from an website, without having to visit website directly. But, not all informations delivered by RSS, required by consumer. But, behind the features that RSS has given, there are weaknesses, one of the weaknesses is that not all informations provided by RSS are needes by user. It will be more annoying if user have subscribed more than one RSS. And that thing will consume much time if consumer have to read all informations of RSS to get only required information. One solution to overcome the problem is to classified RSS content into classes, so the user only obtaining or information of content RSS is matching with the one which wanted. To classify RSS, could be done with text mining implementation. The algorithm that known and considering capable with this case is k-Nearest-Neighbor Classifiers.

In this report will be studied the implementation of text mining using k-Nearest-Neighbor algorithm for web based RSS Aggregator, so that user can classify RSS content as according to made classes, with the level of auality and accuration of the classification is matching with the one which expected.

Contributor	:	Soetam Rizky W., S.Kom
Date Create	:	02-07-2009
Type	:	Text
Format	:	pdf
Language	:	Indonesian
Identifier	:	STIKOM-Undergraduate-4-21988
Collection ID	:	4-21988
Call Number	:	PERPUSTAKAAN STIKOM 005.73 Mar I

Coverage :
Terbatas Sivitas Akademika STIKOM Surabaya

Rights :
Hak Cipta (c) 2009 oleh STIKOM SURABAYA. Dilarang mengcopy atau mendistribusikan baik sebagian atau seluruh isi koleksi ini dalam bentuk apapun, baik secara elektronis maupun mekanis tanpa izin dari penulis.

Download koleksi - Terbatas untuk Member













 10 dokumen yang mirip...

     Tidak ditemukan subyek yang mirip !

 10 dokumen yang berhubungan...

     Tidak ditemukan subyek yang berhubungan !

---

BANTU KAMI ! Anda bisa membantu kami untuk menentukan kata kunci yang tepat untuk dokumen ini dengan melakukan klik pada link dibawah :

RSS , classification , k-Nearest-Neighbor , mining , text , text mining

---

.: Kembali ke daftar Undergraduate Theses