Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Informatika Polinema (JIP)
Anis Sulala
Politeknik Negeri Banyuwangi
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Electrical & Electronics Engineering Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Klasifikasi Koleksi Perpustakaan Berbasis Dewey Decimal Classification Menggunakan Algoritma TF-RF dan K-Nearest Neighbor Anis Sulala; Lutfi Hakim; Sepyan Purnama Kristanto; Ruth Ema Febrita; Khoirul Umam
Jurnal Informatika Polinema Vol. 12 No. 3 (2026): Vol. 12 No. 3 (2026)
Publisher : UPT P2M State Polytechnic of Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33795/jip.v12i3.9663

Abstract

Perpustakaan Politeknik Negeri Banyuwangi memiliki banyak koleksi buku dari berbagai bidang keilmuan yang terus bertambah setiap tahunnya. Pertambahan koleksi ini menimbulkan tantangan dalam proses pengklasifikasian buku yang masih dilakukan secara manual, sehingga memakan waktu dan tenaga yang besar. Oleh karena itu, penelitian ini bertujuan untuk mengembangkan sistem klasifikasi koleksi perpustakaan berbasis Dewey Decimal Classification (DDC) menggunakan algoritma Term Frequency-Relevance Frequency (TF-RF) dan K-Nearest Neighbor (kNN). Data yang digunakan berupa judul buku berbahasa Indonesia dengan jumlah 4056 data pada 73 label. Prosesnya dimulai dari pre-processing, ekstraksi fitur menggunakan TF-RF untuk mengukur relevansi kata kunci dan pengklasifikasian model dengan kNN, serta evaluasi performa model dengan K-Fold Cross validation 10. Hasil penelitian ini menunjukkan bahwa sistem klasifikasi yang dikembangkan mampu menghasilkan akurasi terbaik sebesar 74,38% dan presisi 78,91% dengan tunning parameter menggunakan pendekatan GridSearch pada parameter K=1 yang diperoleh pada skenario ketiga dengan 7 kelas dan 2831 data. Penelitian ini membuktikan bahwa kombinasi TF-RF dan KNN efektif diterapkan untuk klasifikasi teks koleksi buku.
Co-Authors Khoirul Umam Lutfi Hakim Ruth Ema Febrita Sepyan Purnama Kristanto