Banyaknya informasi dan dokumen yang ada mendorong manusia untuk mencari bagaimana untuk mendapatkan informasi dan dokumen yang diinginkan dalam waktu yang singkat. Klasifikasi dokumen tugas akhir dapat membantu program studi Teknik Informatika dalam proses pencarian sebuah dokumen dengan cepat dan tepat. Klasifikasi dokumen tugas akhir mengelompokkan dokumen yang sesuai dengan bidang minat masing-masing di dalam jurusan Teknik Informatika Universitas Trunojoyo Madura diantaranya adalah bidang minat sistem informasi dan rekayasa perangkat lunak , multimedia , sistem terdistribusi, komputasi dan kecerdasan buatan dengan menggunakan PCA (Principle Component Analisis) sebagai pereduksi dimensi dokumen proposal seminar tugas akhir, dimana PCA ini akan mengestraksi fitur dari dokumen sehingga hanya mengambil ciri penting dari dokumen untuk diklasifikasikan menggunakan metode Expectation Maximization, dimana metode Expectation Maximization merupakan salah satu metode dalam pengklasifikasian. Pengujian akan memakai 30 dokumen proposal seminar tugas akhir yang dibagi menjadi dua bagian yaitu dokumen training dan dokumen testing. yaitu 17 dokumen untuk data training dan 13 dokumen untuk dokumen test. Pengujian klasifikasi dengan Expectation Maximization menghasilkan nilai rata-rata untuk precision sebesar 0,81 dan recall sebesar 0,87 yang memiliki tingkat akurasi sebesar 85% dan tingkat error rate sebesar 15%. Kata Kunci : Klasifikasi, PCA, Expectation maximization.

The amount of information and documents to encourage people to look for how to get the desired information and documents in a short time. Final project document classification can help Information Engineering study program in the process of finding a document quickly and accurately. Final project document classification classify documents according to their respective areas of interest within the Department of Information Engineering University of Trunojoyo Madura areas of interest include information systems and software engineering, multimedia, distributed systems, computing and artificial intelligence using PCA (Principle Component Analysis) as a reducing dimensions seminars final project proposal document, which the PCA will extract the features of the document so that only take an important feature of document to be classified using the method of Expectation Maximization, where the Expectation Maximization method is one method of classification. Testing will wear 30 seminars final project proposal documents which is divided into two parts, namely the training documents and testing documents. namely 17 documents for training documents and 13 documents for testing documents. Tests classification with Expectation Maximization yield an average value for the precision of 0.81 and recall of 0.87 which has an accuracy rate of 85% and error rate of 15%. Keywords : Classification , PCA , Expectation maximization .

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal