dc.contributor.advisor | Dhomas Hatta Fudholi, S.T., M.Eng., Ph.D. | |
dc.contributor.author | Kiki Purnama Juwairi, 15523234 | |
dc.date.accessioned | 2020-05-08T08:51:26Z | |
dc.date.available | 2020-05-08T08:51:26Z | |
dc.date.issued | 2019-12-13 | |
dc.identifier.uri | http://hdl.handle.net/123456789/20382 | |
dc.description.abstract | Penelitian ini bertujuan untuk menerapkan metode klasifikasi Naïve Bayes dan algoritma
Pseudo Labeling dalam mengelompokkan dokumen medis yang sesuai dengan dokumen yang
diinput sehingga menghasilkan kelompok-kelompok yang sesuai. Uji coba dilakukan dengan
menggunakan sampel dokumen medis yang diambil dari sebuah media kesehatan elektronik
berbasis web. Hasil eksperimen menunjukkan bahwa metode Naïve Bayes menggunakan
teknik Semi-Supervised Learning dapat digunakan secara efektif untuk mengklasifikasikan
dokumen medis. Hal ini terlihat dari hasil eksperimen, yaitu dengan porsi labeled documents
dan unlabeled documents yaitu 400:300 mampu mengklasifikasi dokumen dengan tepat
mencapai nilai rata-rata akurasi 83.20%. Selain itu, pada hasil eksperimen dengan porsi labeled
documents dan unlabeled documents yaitu 300:400 mencapai nilai rata-rata akurasi 83.40%.
Kemudian pada porsi 200:500 dan 100:600 dapat mengklasifikasi dokumen dengan tepat
mencapai nilai rata-rata akurasi 81.00%. Hasil penelitian diatas menunjukan bahwa jumlah
labeled documents dan unlabeled documents sangat menentukan performa untuk melakukan
klasifikasi. | en_US |
dc.publisher | Universitas Islam Indonesia | en_US |
dc.subject | Medis | en_US |
dc.subject | Semi-Supervised Learning | en_US |
dc.subject | klasifikasi | en_US |
dc.title | PEMANFAATAN TEKNIK SEMI-SUPERVISED LEARNING UNTUK KLASIFIKASI DOKUMEN MEDIS | en_US |
dc.type | Thesis | en_US |