Klasterisasi Dokumen Penelitian Perguruan Tinggi   Menggunakan K-Means Clustering, Sebagai Analisa  Penerapan Sistem Temu Kembali

Very Kurnia Bakti; Arif Rakhman

doi:10.30591/smartcomp.v10i3.2941

Klasterisasi Dokumen Penelitian Perguruan Tinggi Menggunakan K-Means Clustering, Sebagai Analisa Penerapan Sistem Temu Kembali

Very Kurnia Bakti, Arif Rakhman

Abstract

Pencarian dokumen yang ada saat ini yaitu menampilkan hasil pencarian berurut berdasarkan peringkat kecocokan (document ranking). Hal tersebut menyebabkan penemuan data dokumen tidak secara akurat terkelompok pada masing-masing tema. Clustering dapat digunakan dalam pengkategorian atau pengelompokan dokumen. Clustering dengan metode K means adalah algoritma sederhana yang dikembangkan Mac Queen pada tahun 1967. Dari hasil penelitian yang telah dilakukan pengklasteran dokumen abstrak penelitian dosen berbahasa Indonesia dengan menerapkan Algoritma K Means, klaster yang dihasilkan cukup baik, sehingga dapat dijadikan rekomendasi bahwa metode K-Means klastering baik digunakan dalam penerapan sistem temu kembali. Dengan nilai Davies Bouldin Index sebesar -6.186.

Kata Kunci: dokumen, k-means, clustering

Full Text:

References

Agusta, Y. 2007. K-means - Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika Vol. 3 (Februari 2007): 47-60.

Arifin, Agus Zainal, and Ari Novan Setiono. "Klasifikasi Dokumen Berita Kejadian Berbahasa Indonesia dengan Algoritma Single Pass Clustering." Prosiding Seminar on Intelligent Technology and its Applications (SITIA), Teknik Elektro, Institut Teknologi Sepuluh Nopember Surabaya.[This page intentionally left blank]. 2002.

Cui, Xiaohui, Thomas E. Potok, and Paul Palathingal. "Document clustering using particle swarm optimization." Swarm Intelligence Symposium, 2005. SIS 2005. Proceedings 2005 IEEE. IEEE, 2005.

Gosno, Eric Budiman, Isye Arieshanti, and Rully Soelaiman. "Implementasi KD-Tree K-Means Clustering untuk Klasterisasi Dokumen." Jurnal Teknik ITS 2.2 (2013): A432-A437.

Haryo Guritno. “Klasterisasi Dokumen Cerpen Dengan Metode K-Means Clustering” thesis Udinus (2015).

Huang, Anna. "Similarity measures for text document clustering." Proceedings of the sixth new zealand computer science research student conference (NZCSRSC2008), Christchurch, New Zealand. 2008.

Selim, Shokri Z., and Mohamed A. Ismail. "K-means-type algorithms: a generalized convergence theorem and characterization of local optimality." Pattern Analysis and Machine Intelligence, IEEE Transactions on 1 (1984): 81-87.

Tala, Fadillah Z. "A study of stemming effects on information retrieval in Bahasa Indonesia." Institute for Logic, Language and Computation Universeit Van Amsterdam (2003).

Vidya Ayuningtias, M. Arif Bijaksana, Rimba Widhiana Ciptasari “Pengkategorian hasil Pencarian Dokumen dengan klastering”tugas akhir, Universitas telkom university. 2008

Yang, Yiming, et al. "Learning approaches for detecting and tracking news events." IEEE Intelligent Systems 4 (1999): 32-43.

Yi, B., Qiao, H., Yang, F., & Xu, C. (2010). An Improved Initialization Center Algorithm for K-Means Clustering. 2010 International Conference on Computational Intelligence and Software Engineering, IEEE (1), 1–4.

DOI: https://doi.org/10.30591/smartcomp.v10i3.2941