Penelitian setiap perguruan tinggi akan terus bertambah. Penelitian akan disimpan dalam bentuk softcopy dan hardcopy. Penyusunan penelitian hendaknya harus perkategori agar mempermudah pencarian orang yang membutuhkan refrensi. Untuk mengkategorikan penelitian maka dibutuhkan sebuah metode untuk penambangan teks, salah satunya dengan implementasi Support Vector Machines (SVM). Data yang digunakan untuk mengenali ciri dari tiap kategori maka dibutuhkan data sekunder yang merupakan kumpulan dari abstrak penelitian. Data tersebut akan dilakukan praprosesing dengan beberapa tahapan yaitu case folding mengubah semua huruf menjadi huruf kecil, stopwords removing penghapusan kata-kata yang sangat umum, tokenizing membuang tanda baca, dan stemming mencari akar kata dengan membuang awalan dan akhiran. Selanjutnya data yang sudah mengalami preprocessing akan diubah menjadi bentuk numerik dengan untuk tahap term weighting yaitu pemberian bobot kontribusi setiap kata. Dari hasil term weighting maka diperoleh data yang bisa digunakan untuk data traning dan data uji. Proses training dilakukan dengan memberikan masukan berupa data teks yang diketahui kelas atau kategorinya. Kemudian dengan menggunakan algoritma Support Vector Machines, data-data hasil masukan tersebut ditransformasikan ke dalam suatu aturan, fungsi, ataupun model pengetahuan yang nantinya dapat digunakan dalam proses prediksi. Dari hasil penelitian ini diperoleh bahwa pengkategorian penelitian yang dihasilkan oleh SVM sudah sangat baik. Hal ini dibuktikan leh hasil pengujian yang menghasilkan tingkat akurasi 90%.
Real Time Impact Factor:
Pending
Author Name: Fithri Selva Jumeilah
URL: View PDF
Keywords: SVM, Text Mining, Preprocessing, Classification, Term Weighting
ISSN:
EISSN: 2580-0760
EOI/DOI: https://doi.org/10.29207/resti
Add Citation
Views: 1
