TRUNOJOYO-Tugas Akhir-6947-100411100041_Abstrak.pdf
Restricted to Repository staff only
Download (30kB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Cover.pdf
Restricted to Repository staff only
Download (2MB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Chapter1 .pdf
Restricted to Repository staff only
Download (120kB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Chapter2.pdf
Restricted to Repository staff only
Download (294kB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Chapter3.pdf
Restricted to Repository staff only
Download (490kB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Chapter4.pdf
Restricted to Repository staff only
Download (2MB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Conclusion.pdf
Restricted to Repository staff only
Download (105kB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Referencences.pdf
Restricted to Repository staff only
Download (827kB)
TRUNOJOYO-Tugas Akhir-6947-100411100041_Appendices.pdf
Restricted to Repository staff only
Download (484kB)
Abstract
Seiring perkembangan teknologi dan cepatnya aliran data maka kebutuhan informasi akan meningkat dan menyebabkan peningkatan jumlah dokumen digital yang sangat pesat, dengan fakta tersebut maka seorang pengguna kesulitan dalam pencarian dan penemuan kembali dokumen digital. untuk menangani hal tersebut salah satunya dengan membangun daftar indeks dalam suatu sistem, Sehingga dengan dibangunya digital library diharapkan dapat membantu dan meningkatkan penyampaian informasi tentang electronic book, serta memudahkan user dalam pencarian dokumen yang diinginkan. Information retrieval merupakan salah satu cara untuk memperoleh informasi tentang electronic book dengan melakukan penelusuran kembali atas electronic book yang tersimpan dalam database. Proses mengumpulkan semua informasi yang ada di dalam halaman web menggunakan web crawler, web crawler akan berjalan menelusuri halaman web dan mengumpulkan dokumen-dokumen kemudian melakukan proses download data yang telah dikumpulkan oleh web crawler . Dokumen-dokumen tersebut akan diklasifikasikan menggunakan metode K-Nearest Neighbor (KNN). K-Nearest Neighbor merupakan metode klasifikasi data berdasarkan voting terbanyak antara data training dan data testing dari klasifikasi tersebut didapatkan tingkat akurasi nilai k (ketetanggaan) k.1-k.7 adalah 80%-70% sedangkan akurasi k.8-k.20 antara 60%, 50%, 30% dengan demikian semakin banyak nilai k maka semakin berkurang tingkat akurasi pada proses klasifikasi.
| Item Type | Thesis (Skripsi) |
|---|---|
| Thesis Type | S1 |
| Creators | Creators NIM EKA RIDHO SEPTIYAN |
| Department | Informatika |
| Uncontrolled Keywords | Digital Library; Information retrieval; Web Crawler; K-Nearest Neighbor |
| Divisions | Fakultas Teknik > S1 - Informatika |
| Additional Information | elib mass import |
| Depositing User | Unnamed user with email library@trunojoyo.ac.id |
| Date Deposited | 19 Oct 2026 13:04 |
| Last Modified | 24 Oct 2026 16:50 |
| URI | https://repository.trunojoyo.ac.id/id/eprint/6742 |
