Artikel
Judul : Perbandingan Kinerja Algoritma Decision Tree C4.5 dan K-Nearest Neighbor (KNN) pada Klasifikasi Hadi
Abstrak : Ulama terdahulu selalu melakukan upaya untuk membuat berbagai rumusan yang digunakan untuk melakukan kategorisasi serta klasifikasi Hadits. Pada masa sekarang, proses kategorisasi atau klasifikasi tersebut dimudahkan prosesnya dengan adanya teknologi text mining. Di dalam kajian text mining sendiri terdapat berbagai macam tools serta metode atau algoritma yang dapat digunakan dan juga membantu memberikan hasil maksimal dalam proses penambangan informasi dari sebuah teks. Contohnya ialah algoritma Decision Tree C4.5 dan K-Nearest Neighbor. Berdasarkan hal tersebut, Penulis menginginkan membuat sebuah penelitian serta tugas akhir ini untuk membandingkan kinerja yang dihasilkan dari proses klasifikasi dokumen teks menggunakan algoritma Decision Tree C4.5 dan K-Nearest Neighbor untuk klasifikasi Hadits Imam At-Tirmidzi. Dengan adanya hasil penelitian ini, diharapkan dapat menjadi pengetahuan mengenai proses klasifikasi dokumen teks beserta kinerja dari kedua algoritma tersebut. Berdasarkan pengujian yang telah dilakukan, algoritma Decision Tree C4.5 menghasilkan nilai akurasi rata-rata sebesar 70.53% dengan waktu proses rata-rata selama 0.083 Detik. Sedangkan algoritma K-Nearest Neighbor menghasilkan nilai akurasi rata-rata sebesar sebesar 66.36% dengan waktu proses rata-rata selama 0.03 Detik.
Penulis : Glen Nur Awaludin
Keyword : Decision Tree C4.5, K-Nearest Neighbor, Text Mining, Klasifikasi, Hadits.
Referensi : H. Su’aidi, “Mengenal Kitab Sunan Al-Tirmidzi (Kitab Hadits Hasan),” Religia, vol. 13, no. 1, pp. 123–137, 2017. K. F. Siti Nur Asiyah, “Klasifikasi Berita Online Menggunakan Metode Support Vector Machine dan K- Nearest Neighbor,” J. SAINS dan SENI ITS, vol. 5, no. 2, pp. 317–322, 2016. S. Sayad, “An Introduction to Data Science.” Dr. Said Sayad, 2010. D. Setiawati, I. Taufik, J. Jumadi, and W. B. Zulfikar, “Klasifikasi Terjemahan Ayat Al-Quran Tentang Ilmu Sains Menggunakan Algoritma Decision Tree Berbasis Mobile,” J. Online Inform., vol. 1, no. 1, p. 24, 2016. D. Aprilla, C, D. A. Baskoro, L. Ambarwati, and I. W. S. Wicaksana, Data Mining dengan Rapid Miner. Open Content Model, 2013. E. Prasetyo, Data Mining: Mengolah Data menjadi Informasi menggunakan Matlab. Yogyakarta: Andi, 2012. D. N. Dani Syahid, Jumadi, “Klasifikasi Daun Philodendron Menggunakan Metode K-Nearest Neighbour(KNN) Berdasarkan Nilai Hue , Saturation , Value ( HSV ),” vol. 1, no. 1, pp. 20–23, 2016. A. Ryansyah and S. Andayani, “Implementasi Algoritma TF-IDF pada Pengukuran Kesamaan Dokumen,” J. Sist. Teknol. Inf. Komun., vol. 1, no. 1, pp. 1–10, 2017. F. Gorunescu, Data Mining?: Concepts, Models and Techniques. Berlin: Springer, 2011. Nasruddin Yusuf, “Hadis Sebagai Sumber Hukum Islam (Telaah Terhadap Penetapan Kesahihan Hadis Sebagai Sumber Hukum Menurut Syafi’i),” vol. 91, pp. 399–404, 2017. M. M. Zein, Ulumul Hadits dan Musthalah Hadits. Jombang: Darul Hikmah, 2008. F. A. Hermawati, Data Mining. Yogyakarta: CV Andi Offiset, 2013.
File :