FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W3208278870> ?p ?o ?g. }

• W3208278870 abstract "Dalam suatu organisasi, proses evaluasi menjadi komponen penting yang mendukung jalannya operasi perusahaan. Evaluasi untuk sistem informasi ini dapat dilakukan dengan Audit TI. Pengawasan dalam sistem informasi perusahaan berguna untuk memantau penggunaan sistem informasi, menjaga integritas perusahaan, hingga keamanan data perusahaan. Namun, bukti dokumen yang dihasilkan oleh audit TI dapat menyebabkan manipulasi yang beragam. Dokumen yang tidak diatur dengan semestinya dapat mengganggu Auditor dan dapat menyebabkan Auditor bekerja tidak efisien. Untuk dapat mengatasi masalah ini diperlukan suatu metode untuk dapat mengelompokkan dokumen. Terdapat 2 kumpulan data yang digunakan dalam penelitian ini yaitu 36 dokumen dalam bentuk .docx dan 106 dokumen dalam bentuk .docx dan .pdf. Dokumen tersebut akan melaui proses penghilangan kata umum, pemotongan kata dan ekstraksi fitur dari dokumen tersebut. Penelitian ini difokuskan untuk membandingkan hasil Algoritma K-Means Clustering untuk metode pengelompokan data menggunakan beberapa input matriks tereduksi dari dekomposisi matriks yang dihasilkan oleh Singular Value Decomposition. Dari hasil evaluasi, menunjukkan bahwa hasil Sum of Squared Error dan Silhouette tidak jauh berbeda dalam menentukan jumlah cluster terbaik. Jumlah kluster terbaik untuk 36 dokumen adalah 4 dan jumlah kluster terbaik untuk 106 dokumen adalah 3. In an organization, the evaluation process becomes an important component supporting the running of the company's operations. Evaluation for this information system can be done with IT Audit. Supervision in the information system of a company is useful for monitoring the use of information systems, maintaining corporate integrity, up to the security of corporate data. However, the documents produced by IT audit for evidence can cause diverse manipulation. Documents that are not arranged accordingly may interrupt the Auditor and can cause Auditor to work inefficiently. To be able to overcome these problems a method is needed to be able to group documents. There are 2 data sets used in this research, which are 36 documents in the form of .docx and 106 documents in the form of .docx and .pdf. These documents are going through a process of common words remover, reducing inflected words and feature extraction of documents. This research focused on comparing the results of the K-Means Clustering Algorithm for data categorization method using several reduced matrix inputs from matrix decomposition generated by the Singular Value Decomposition. From the evaluation results, shows that the results of the Sum of Squared Error and Silhouette are not much different in determining the best number of clusters. The best number of clusters for 36 documents is 4 and the best number of cluster for 106 documents is 3." @default.
• W3208278870 created "2021-11-08" @default.
• W3208278870 creator A5080843649 @default.
• W3208278870 creator A5036576938 @default.
• W3208278870 date "2018-01-01" @default.
• W3208278870 modified "2023-09-23" @default.
• W3208278870 title "PERFORMANCE ANALYSIS OF LATENT SEMANTIC ANALYSIS ALGORITHM AND K-MEANS CLUSTERING ALGORITHM TO CATEGORIZE DATA RESULT OF IT AUDIT EVIDENCE" @default.
• W3208278870 cites W1501500081 @default.
• W3208278870 cites W1509843737 @default.
• W3208278870 cites W1532325895 @default.
• W3208278870 cites W1548945527 @default.
• W3208278870 cites W1551036771 @default.
• W3208278870 cites W1736726159 @default.
• W3208278870 cites W1961856149 @default.
• W3208278870 cites W2004593807 @default.
• W3208278870 cites W2078425091 @default.
• W3208278870 cites W2078862361 @default.
• W3208278870 cites W2079554872 @default.
• W3208278870 cites W2085753559 @default.
• W3208278870 cites W2110452106 @default.
• W3208278870 cites W2112676567 @default.
• W3208278870 cites W2125735911 @default.
• W3208278870 cites W2137763598 @default.
• W3208278870 cites W2140190241 @default.
• W3208278870 cites W2157316480 @default.
• W3208278870 cites W2161943704 @default.
• W3208278870 cites W2267563544 @default.
• W3208278870 cites W2314891460 @default.
• W3208278870 cites W2757676627 @default.
• W3208278870 cites W2186176025 @default.
• W3208278870 hasPublicationYear "2018" @default.
• W3208278870 type Work @default.
• W3208278870 sameAs 3208278870 @default.
• W3208278870 citedByCount "0" @default.
• W3208278870 crossrefType "journal-article" @default.
• W3208278870 hasAuthorship W3208278870A5036576938 @default.
• W3208278870 hasAuthorship W3208278870A5080843649 @default.
• W3208278870 hasConcept C138885662 @default.
• W3208278870 hasConcept C144133560 @default.
• W3208278870 hasConcept C154945302 @default.
• W3208278870 hasConcept C15708023 @default.
• W3208278870 hasConcept C178550888 @default.
• W3208278870 hasConcept C41008148 @default.
• W3208278870 hasConcept C73555534 @default.
• W3208278870 hasConceptScore W3208278870C138885662 @default.
• W3208278870 hasConceptScore W3208278870C144133560 @default.
• W3208278870 hasConceptScore W3208278870C154945302 @default.
• W3208278870 hasConceptScore W3208278870C15708023 @default.
• W3208278870 hasConceptScore W3208278870C178550888 @default.
• W3208278870 hasConceptScore W3208278870C41008148 @default.
• W3208278870 hasConceptScore W3208278870C73555534 @default.
• W3208278870 hasLocation W32082788701 @default.
• W3208278870 hasOpenAccess W3208278870 @default.
• W3208278870 hasPrimaryLocation W32082788701 @default.
• W3208278870 hasRelatedWork W1534883553 @default.
• W3208278870 hasRelatedWork W1891467655 @default.
• W3208278870 hasRelatedWork W1908411508 @default.
• W3208278870 hasRelatedWork W2161394953 @default.
• W3208278870 hasRelatedWork W2563323211 @default.
• W3208278870 hasRelatedWork W2805684032 @default.
• W3208278870 hasRelatedWork W2907824757 @default.
• W3208278870 hasRelatedWork W2945300143 @default.
• W3208278870 hasRelatedWork W2976897576 @default.
• W3208278870 hasRelatedWork W3000815401 @default.
• W3208278870 hasRelatedWork W3096961774 @default.
• W3208278870 hasRelatedWork W3112864390 @default.
• W3208278870 hasRelatedWork W3152952637 @default.
• W3208278870 hasRelatedWork W3176603977 @default.
• W3208278870 hasRelatedWork W3187082408 @default.
• W3208278870 hasRelatedWork W3203506032 @default.
• W3208278870 hasRelatedWork W3209472006 @default.
• W3208278870 hasRelatedWork W3210376387 @default.
• W3208278870 hasRelatedWork W1023489933 @default.
• W3208278870 hasRelatedWork W3002929977 @default.
• W3208278870 isParatext "false" @default.
• W3208278870 isRetracted "false" @default.
• W3208278870 magId "3208278870" @default.
• W3208278870 workType "article" @default.