PENGKAJIAN JUMLAH DIMENSI MATRIKS SINGULAR DALAM SINGULAR VALUE DECOMPOSITION (SVD) UNTUK KASUS SINONIM BERBAHASA INDONESIA | ELECTRONIC THESES AND DISSERTATION

Electronic Theses and Dissertation

Universitas Syiah Kuala

    SKRIPSI

PENGKAJIAN JUMLAH DIMENSI MATRIKS SINGULAR DALAM SINGULAR VALUE DECOMPOSITION (SVD) UNTUK KASUS SINONIM BERBAHASA INDONESIA


Pengarang

Cut Yanti - Personal Name;

Dosen Pembimbing



Nomor Pokok Mahasiswa

0408101010019

Fakultas & Prodi

Fakultas KIP / Pendidikan Matematika (S1) / PDDIKTI : 84202

Subject
Penerbit

Banda Aceh : Fakultas Matematika dan Ilmu Pengetahuan Alam., 2011

Bahasa

Indonesia

No Classification

512.943

Literature Searching Service

Hard copy atau foto copy dari buku ini dapat diberikan dengan syarat ketentuan berlaku, jika berminat, silahkan hubungi via telegram (Chat Services LSS)

Pada konsep pencarian suatu dokumen, sinonim perlu dipertimbangkan agar dokumen-dokumen yang relevan tidak saja terdiri dari dokumen-dokumen yang memiliki kata kunci di dalamnya tetapi juga dokumen-dokumen yang memiliki sinonim dengan kata kunci. Sinonim dari sebuah kata dapat diekstrak dari sekumpulan dokumen menggunakan Latent Semantic Indexing (LSI). Tulisan ini mendiskusikan dan memperlihatkan pengkajian jumJah dimensi matriks singular yang optimal pada data Wikipedia berbahasa Indonesia yang dimulai dengan membangun matriks terms-documents A dan didekomposisikan menjadi tiga matriks TSD menggunakan Singular Value Decomposition (SVD). T adalah rnatriks kata (term) berukuran t X r, S adalah matriks singular yang berisi nilai eigen berdimensi r x r, dan D adalah matriks dokumen berulruran d x d.
Dekomposisi matriks pads penelitian ini menggunakan program General Text Parser (GTP). Hasil menunjukkan bahwa dekomposisi matriks menggunakan SVD baik digunakan untuk memperkecil dimensi matriks dari data teks yang berukuran besar, dan kata-kata sinonim memiliki tingkat presisi di alas 50% pada dimensi yang lebih kecil.

Kata Kunci : Sinonim, Latent Semantic Indexing (LSI), Singular Value
Decomposition (SVD), Similaritas Kosinus.




Tidak Tersedia Deskripsi

Citation



    SERVICES DESK