Klasifikasi Judul Buku dengan Algoritma Naïve Bayes dan Pencarian Buku pada Perpustakaan Jurusan Teknik Elektro

Vidya Rizqiyani(1), Anggraini Mulwinda(2), Riana Defi Mahadji Putri(3),


(1) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang
(2) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang
(3) Jurusan Teknik Elektro, Fakultas Teknik, Universitas Negeri Semarang

Abstract

Berdasarkan Undang-undang Republik Indonesia Nomor 43 Tahun 2007 tentang Perpustakaan menyebutkan bahwa penyelenggaraan pendidikan nasional memerlukan pengembangan layanan perpustakaan berbasis teknologi informasi dan komunikasi sehingga Universitas Negeri Semarang khususnya Jurusan Teknik Elektro perlu adanya pengembangan layanan tersebut. Ketiadaan pengembangan layanan tersebut di perpustakaan Jurusan Teknik Elektro mengakibatkan pihak pengelola dan mahasiswa pengunjung perpustakaan mengalami kesulitan dalam mengelola dan menemukan referensi buku yang dicari. Pada penelitian ini, metode yang digunakan yaitu waterfall dengan pengujian performance measure, uji black box, dan uji sistem oleh ahli. Adapun pengujian performance measure memperoleh nilai precision 94,56%, recall 88,20%, f-measure 90,46%, dan akurasi 97,78%. Sedangkan uji sistem oleh ahli menghasilkan persentase rata-rata 87,3%. Dari hasil-hasil tersebut, disimpulkan bahwa sistem berfungsi dengan baik serta algoritma Naïve Bayes dapat digunakan untuk pengklasifikasian buku. Untuk penelitian selanjutnya, diperlukan penataan  buku koleksi perpustakaan sesuai kategori dan penelitian ini dapat dikembangkan dengan algoritma klasifikasi lainnya untuk melakukan perbandingan hasil performance measure.

Full Text:

PDF

References

Undang-undang Republik Indonesia Nomor 43 Tahun 2007. Perpustakaan. Lembaran Negara Republik Indonesia Tahun 2007 Nomor 129. Jakarta.

Widiastuti, D. 2007. Analisa Perbandingan Algoritma SVM, Naïve Bayes, dan Decission Tree dalam Mengklasifikasikan Serangan (Attack) pada Sistem Pendeteksi Intrusi. Jurusan Sistem Informasi Universitas Gunadarma, pp.1–8.

Santoso, D., D. E. Ratnawati, dan Indriati. 2014. Perbandingan Kinerja Metode Naive Bayes, K-Nearest Neighbor, dan Metode Gabungan K-Means dan LVQ dalam Pengkategorian Buku Komputer Berbahasa Indonesia berdasarkan Judul dan Sinopsis. Repositori Jurnal Mahasiswa PTIIK UB 4(9).

Ting, S. L., W. H. Ip, dan A. H. C. Tsang. 2011. Is Naïve Bayes a Good Classifier for Document Classification?. International Journal of Software Engineering and Its Applications 5(3): 37-46.

Bhumika, S. S. Sehra, dan A. Nayyar. 2013. A Review Paper on Algorithms Used for Text Classification. International Journal of Application or Innovation in Engineering and Management (IJAIEM) 2(3): 90-99.

Krishnamoorthy, M. dan M. Mani. 2014. A Brief Survey on Text Mining and its Applications. Int.J. Computer Technology & Applications 5(5): 1637-1640.

Manning, C.D., P. Raghavan, dan H. Schutze. 2008. Introduction to Information Retrieval. New York: Cambridge University Press.

Vijayarani, S., J. Ilamathi, dan Nithya. 2011. Preprocessing Techniques for Text Mining - An Overview. International Journal of Computer Science & Communication Networks 5(1): 7-16.

Setiawan, A., I. F. Astuti, dan A. H. Kridalaksana. 2015. Klasifikasi dan Pencarian Buku Referensi Akademik menggunakan Metode Naïve Bayes Classifier (NBC) (Studi Kasus: Perpustakaan Daerah Provinsi Kalimantan Timur). Jurnal Informatika Mulawarman 10(1): 1-10.

Kusrini dan E. T. Luthfi. 2009. Algoritma Data Mining. Edisi 1. Yogyakarta: C.V Andi Offset.

Hamzah, A. 2012. Klasifikasi Teks dengan Naïve Bayes Classifier (NBC) untuk Pengelompokan Teks Berita dan Abstrak Akademis. Prosiding Seminar Nasional Aplikasi Sains dan Teknologi (SNAST) Periode III. Institut Sains dan Teknologi AKPRIND. Yogyakarta. 269-277.

Wardana. 2010. Menjadi Master PHP dengan Framework Codeigniter. Jakarta: PT Elex Media Komputerindo.

Anhar. 2010. Panduan Menguasai PHP dan MySQL secara Otodidak. Jakarta Selatan: Mediakita.

Faridl, Miftah. 2015. Fitur Dahsyat Sublime Text 3. Edisi Pertama. Surabaya: LUG.

Refbacks

  • There are currently no refbacks.