Winata, Cindy (2019) Klasifikasi Genre dan Rating Film dengan Metode Neighbour Weighted K-Nearest Neighbour (TI - 1457). Skripsi thesis, Universitas Tarumanagara.
Text
535150011_Cindy Winata_01 Cover.pdf Download (14kB) |
|
Text
535150011_Cindy Winata_02 Cover.pdf Download (83kB) |
|
Text
535150011_Cindy Winata_03 Lembar Pernyataan.pdf Download (60kB) |
|
Text
535150011_Cindy Winata_04 Abstrak.pdf Download (28kB) |
|
Text
535150011_Cindy Winata_05 Kata Pengantar.pdf Download (45kB) |
|
Text
535150011_Cindy Winata_06 Daftar Isi, Tabel, Gambar, Lampiran.pdf Download (55kB) |
|
Text
535150011_Cindy Winata_07 Bab 1.pdf Restricted to Registered users only Download (106kB) |
|
Text
535150011_Cindy Winata_08 Bab 2.pdf Restricted to Registered users only Download (182kB) |
|
Text
535150011_Cindy Winata_09 Bab 3.pdf Restricted to Registered users only Download (128kB) |
|
Text
535150011_Cindy Winata_10 Bab 4.pdf Restricted to Registered users only Download (229kB) |
|
Text
535150011_Cindy Winata_11 Bab 5.pdf Restricted to Registered users only Download (60kB) |
|
Text
535150011_Cindy Winata_12 Daftar Pustaka.pdf Download (34kB) |
|
Text
535150011_Cindy Winata_13 Lampiran.pdf Restricted to Registered users only Download (673kB) |
|
Text
535150011_Cindy Winata_14 Daftar Riwayat Hidup.pdf Restricted to Registered users only Download (22kB) |
Abstract
Informasi tentang film dapat dilihat di dunia maya dengan mudah. Namun, tidak semua situs film menyajikan informasi yang relevan dan akurat sebagai contoh film dengan rating tinggi namun memiliki komentar yang buruk. Selain itu, terdapat review yang belum disertai dengan rating dan beberapa film tidak diketahui genrenya. Klasifikasi data input yang berupa teks akan diolah dan diklasifikasikan ke kelas yang sama atau mirip dengan menggunakan metode Neighbour-Weighted K-Nearest Neighbour (NW-KNN). Metode NW-KNN mampu melakukan klasifikasi dengan baik untuk data yang tidak terdistribusi secara merata dengan memberikan bobot pada setiap kelas yang ada pada sistem. Teks deskripsi film akan diklasifikasikan menjadi 10 kelas dengan jumlah data latih sebanyak 1028, sedangkan teks review film akan diklasifikasikan menjadi 5 kelas dengan jumlah data latih sebanyak 10032. Hasil pengujian sistem menunjukkan bahwa metode NW-KNN menghasilkan akurasi sebesar 96.6% untuk mengklasifikasikan deskripsi film menjadi genre film dan 86.85% untuk mengklasifikasikan review film menjadi rating film. Kata Kunci: Deskripsi Film, Genre, NW-KNN, Rating, Review Film
Item Type: | Thesis (Skripsi) |
---|---|
Additional Information: | Pembimbing Utama : Viny Christanti M. Pembimbing Pendamping : Janson Hendryli |
Uncontrolled Keywords: | Deskripsi Film, Genre, NW-KNN, Rating, Review Film |
Subjects: | Skripsi/Tugas Akhir > Fakultas Teknologi Informasi |
Divisions: | Fakultas Teknologi Informasi > Teknik Informatika |
Depositing User: | TDI Family perpus |
Date Deposited: | 30 Apr 2021 11:10 |
Last Modified: | 17 May 2021 06:40 |
URI: | http://repository.untar.ac.id/id/eprint/26555 |
Actions (login required)
View Item |