2021
DOI: 10.24843/mite.2021.v20i02.p15
|View full text |Cite
|
Sign up to set email alerts
|

Literature Review Klasifikasi Data Menggunakan Metode Cosine Similarity dan Artificial Neural Network

Abstract: Dampak positif yang ditimbulkan dari perkembangan teknologi salah satunya adalah kemudahan dalam menyampaikan aspirasi dan dalam mendapatkan informasi dengan sangat cepat. Manfaat dari perkembangan teknologi ini dapat dirasakan oleh semuassektor, termasuk sektor pemerintahan yang harus mengayomi masyarakat dan negara. Dalam meningkatkan kualitas pelayanan publik, pemerintah harus menerapkan pemerintahan yang berbasis teknologi informasi digital.  Oleh karena itu, Pemerintah pusat maupun daerah telah menyediaka… Show more

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
1
1
1
1

Citation Types

0
1
0
7

Year Published

2022
2022
2023
2023

Publication Types

Select...
5

Relationship

0
5

Authors

Journals

citations
Cited by 7 publications
(8 citation statements)
references
References 17 publications
0
1
0
7
Order By: Relevance
“…Dengan berbagai masalah yang dapat dicangkup, pendekatan arsitektur neural network turut mengalami perkembangan pada permasalahan yang spesifik. Klasifikasi dan rekognisi pola (classification and pattern recognition) pada serangkaian data (data series) merupakan salah satu pendekatan yang dimuat oleh neural network [10], [11]. Penerapan recurrent neural network (RNN) dapat dijadikan pendekatan pada permasalahan data series, menimbang kemampuan aristektur tidak hanya melihat setiap data point sebagai bagian yang terpisah, namun juga meninjau hubungan antar data point-nya [12].…”
Section: B Machine Learning Neural Networkunclassified
“…Dengan berbagai masalah yang dapat dicangkup, pendekatan arsitektur neural network turut mengalami perkembangan pada permasalahan yang spesifik. Klasifikasi dan rekognisi pola (classification and pattern recognition) pada serangkaian data (data series) merupakan salah satu pendekatan yang dimuat oleh neural network [10], [11]. Penerapan recurrent neural network (RNN) dapat dijadikan pendekatan pada permasalahan data series, menimbang kemampuan aristektur tidak hanya melihat setiap data point sebagai bagian yang terpisah, namun juga meninjau hubungan antar data point-nya [12].…”
Section: B Machine Learning Neural Networkunclassified
“…In addition, algorithms used to find similarity scores, including Jaccard, dice similarity, neural network, and cosine similarity, are considered to have better similarity rates [13]. Reference [14] has investigated the collaborative use of the cosine similarity method with other weighting algorithms, such as artificial neural network (ANN) and support vector machine (SVM). However, the combination of winnowing method has not been explored in the study.…”
Section: En-219mentioning
confidence: 99%
“…Dan saran untuk penelitian selanjutnya adalah untuk menambah jumlah data dan memberikan variabel atau kriteria eksternal [4]. Dari penelitian ini didapatkan SVM memiliki akurasi yang paling bagus diantara keempat metode algoritma yang digunakan yaitu sebesar 80%, KNN 64%, Decision Tree 65% dan Naïve Bayes 77% [5]. Pada penelitian selanjutnya Peneliti berhasil mendapatkan nilai akurasi single classifier (naïve bayes) yaitu 77,4% dan nilai ensemble learning 96,8%.…”
Section: IIunclassified
“…Pada pra pemrosesan ini bertujuan untuk transformasi data sehingga data yang dipakai untuk pengaplikasian data mining lebih mudah diinterpretasikan untuk dianalisis. Selain itu, data yang digunakan juga dapat sesuai dengan penggunaan atau pengaplikasian yang dibangun sehingga hasil yang dikeluarkan juga sesuai dan optimal [5]. Setelah pra pemrosesan dilakukan EDA untuk mengetahui karakteristik data latih yang akan digunakan.…”
Section: Pengumpulan Dataunclassified