TY  - GEN
CY  - UNIVERSITAS LAMPUNG
ID  - eprints57489
UR  - http://digilib.unila.ac.id/57489/
A1  - NURUL DAWATI ADAWIYAH , 1517051038
Y1  - 2019///
N2  - Scientific  articles  are  evidence  of  papers  produced  by  researchers  conducting 
research on specific topics or fields. The number of scientific articles is increasing 
very fast especially with the development of the internet. Large amounts of data 
will be very difficult to classify documents manually because it will require a long 
time and requires a very high degree of  accuracy, so we need techniq ues in the 
field  of  document  processing  to  determine  the  classification  of  certain  topics 
automatically. Techniques that can do classification quickly are using text  mining
techniques.  In  this  study,  the  method  used  in  classification  is  SVM  and  KNN. 
KNN has advantages in terms of considerable training data, as a comparison, in 
this study also uses SVM because this method is one method that is widely used 
for data verification, specifically data text. These two methods will be compared 
to find out the best classification accuracy results. The results of this study that the 
Linear Kernel SVM, Polynomial Kernel and RBF produce the best classification 
accuracy is polynomial kernel when compared with KNN with the results of the 
accuracy, recall, precision and F-Measure values of 80%, 76%, and 77%.
Keywords: K-Nearest Neighbor, Support Vector Machines, Text Mining 

Artikel  ilmiah  adalah  bukti  dari  karya  tulis  yang  dihasilkan  oleh  peneliti  yang 
melakukan  penelitian  pada  topik  atau  bidang  tertentu.  Jumlah  artikel  ilmiah 
meningkat  sangat  cepat  terutama  dengan  perkembangan  internet.  Data  dalam 
jumlah besar akan sangat sulit untuk mengklasifikasikan dokumen secara manual 
karena  akan  membutuhkan  waktu  yang  lama  dan  membutuhkan  tingkat  akurasi 
yang  sangat  tinggi,  sehingga  kami  membutuhkan  teknik  di  bidang  pemrosesan 
dokumen  untuk  menentukan  klasifikasi  topik  tertentu  secara  otomatis.  Teknik 
yang  dapat  melakukan  klasifikasi  dengan  cepat  adalah  dengan  menggunakan 
teknik  text  mining.  Penelitian  ini  menggunakan  metode  klasifikasi  SVM  dan 
KNN.  KNN  memiliki  kelebihan  dalam  hal  data  pelatihan  yang  cukup  banyak
sebagai komparasi, dalam penelitian ini juga menggunakan SVM karena metode 
ini  merupakan  salah  satu  metode  yang  banyak  digunakan  untuk  kasifikasi  data, 
khusus  nya  data  text.  Kedua  metode  ini  akan  dibandingkan  untuk  mengetahui 
hasil ketepatan klasifikasi yang paling baik. Hasil dari penelitian ini bahwa SVM 
Kernel  Linier,  Kernel  polynomial  dan  RBF  menghasilkan  ketepatan  klasifikasi 
yang  paling  baik  adalah  kernel  polynomial  apabila  dibandingkan  dengan  KNN 
dengan  hasil  nilai  akurasi,  recall,  precision  dan  F-Measure  sebesar  80%,  76%,
dan 77%.
Kata kunci: K-Nearest Neighbor,  Support Vector  Machine,  Text  Mining 
PB  - FAKULTAS MIPA
TI  - KLASIFIKASI ABSTRAK ARTIKEL ILMIAH BIDANG SAINS 
MENGGUNKAN METODE K-NEAREST NEIGHBOR (KNN) DAN 
SUPPORT VECTOR MACHINE (SVM)

AV  - restricted
ER  -