Analisis Perbandingan Klasifikasi Topik Skripsi Mahasiswa menggunakan K-Nearest Neighbor dan Support Vector Machine (Studi Kasus: Jurusan Sistem Informasi, Fakultas Ilmu Komputer, Universitas Brawijaya)

Abstrak

JPTIIK (Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer) merupakan platform yang menyajikan jurnal mahasiswa FILKOM UB. Dalam platform tersebut, jurnal belum terklasifikasikan berdasarkan tema skripsi yang mengacu pada buku panduan skripsi FILKOM 2018, khususnya untuk jurusan Sistem Informasi. Dari masalah tersebut, maka diputuskanlah untuk melakukan klasifikasi topik skripsi pada jurusan SI, FILKOM, UB berdasarkan judul, abstrak, dan gabungan dari judul abstrak skripsi. Tema skripsi yang digunakan dalam proses klasifikasi ada 3 yaitu pengembangan, manajemen data dan informasi, serta tata kelola dan manajemen SI. Data yang berhasil dikumpulkan sebanyak 300 dengan perbandingan 125 pengembangan, 100 tata kelola dan manajemen SI, serta 75 manajemen data dan informasi. Klasifikasi ini akan membandingkan metode K-Nearest Neighbor dan Support Vector Machine serta akan membandingkan hasil klasifikasi berdasarkan judul, abstrak, dan judul abstrak. Pengujian dengan nilai K=9 untuk metode KNN, nilai C=10 dan iterasi=50 pada judul dan abstrak, serta iterasi=150 untuk judul abstrak pada SVM mendapatkan nilai akurasi terbaik. Hasil klasifikasi berdasarkan judul serta judul abstrak metode SVM mendapatkan nilai akurasi tertinggi dibandingkan metode KNN dengan hasil klasifikasi pada judul mendapatkan nilai akurasi 97.08%, precision 97.81%, recall 96.91%, dan f-measure 97.11% sedangkan untuk judul abstrak mendapatkan nilai akurasi 97.08%, precision 97.93%, recall 96.67%, dan f-measure 97.07%.