REDUKSI FITUR UNTUK KATEGORISASI TEXT DENGAN KLASIFIKASI MENGGUNAKAN NEURAL NETWORK

Eva Yulia , Puspaningrum and Shofiya , Syidada (2013) REDUKSI FITUR UNTUK KATEGORISASI TEXT DENGAN KLASIFIKASI MENGGUNAKAN NEURAL NETWORK. In: Seminar Nasional Teknik Informatika, 18 September 2013, Surabaya.

Preview

PDF - Published Version Download (90Kb) | Preview

Abstract

Data memiliki ruang fitur yang sangat tinggi dimens i. Dalam kategorisasi teks menggunakan jaringan syaraf tiruan sebagai klasifier teks, data dilatih menggunakan ruang fitur. Untuk itu diusulkan teknik pengurangan dimensi untuk mengurangi ruang fitur. U ntuk menguji keefektifan dari model yang diusulkan, percobaan dilakukan menggunakan dataset dari Router s-21578 untuk uji kategorisasi teks. Pada paper ini diusulkan dengan membandingkan hasil kategorisasi t eks dengan cara mereduksi fitur dengan TF/DF Thresholding dan TF/DF Thresholding ditambah dengan PCA. Hasil yang didapatkan menunjukkan dengan reduksi fitur menggunakan TF/DF thresholding mampu mereduksi kata hingga 45,37 % dan TF/DF Thresholding ditambah dengan PCA mampu mereduksi d okumen asli menjadi 98,5%. Pada saat klasifikasi akurasi yang didapat setelah reduksi dimensi dengan TF/DF Thresholding mempunyai nilai akurasi yang le bih baik dibandingkan dengan hasil akurasi setelah redu ksi dimensi dengan PCA. Keyword : reduksi dimensi, kategorisasi text, neural networ k.

Actions (login required)