S, ArifRahman (2013) Sistem Temu Kembali Informasi Pada Dokumen Teks Berbahasa Indonesia Menggunakan Bisecting K-Means. Sarjana thesis, Universitas Brawijaya.
Abstract
Internet telah mengalami perkembangan yang sangat pesat. Beragam informasi tersedia di internet dan dapat diakses secara luas oleh penggunanya. Dengan banyaknya dokumen web yang beredar di internet saat ini menyebabkan terjadinya ledakan informasi yang membuat pengguna internet mengalami kesulitan dalam mencari informasi yang akurat dan tepat. Salah satu upaya untuk mengoptimalkan pencarian adalah dengan pengelompokan. Penerapan sistem temu kembali informasi berbasis klaster ini sebagian besar mengunakan metode hierarchical dalam pengelompokannya. Meskipun metode Hierarchical Clustering seringkali dianggap lebih baik, tetapi teknik ini tidak mampu untuk meng-realokasi entitas yang telah dikelompokkan pada tahapan proses. Kompleksitas waktu dari pendekatan Hierarchical Clustering ini juga bersifat kuadratik.Sehingga metode partitional lebih cocok untuk pencarian pada dataset yang besar. Penelitian ini bertujuan untuk mengimplementasi algoritma Bisecting KMeans pada sistem temu kembali informasi. Nilai akurasi dari sistem temu kembali informasi ini memiliki nilai recall rata-rata sebesar 0,675 , nilai rata-rata precision sebesar 0,43 dan nilai F-Measure rata-rata sebesar 0,486 dengan waktu komputasi rata-rata sebesar 6 menit 9 detik. Penelitian ini menunjukkan bahwa waktu komputasi dari sistem temu kembali informasi berbasis klaster dengan bisecting k-means lebih baik dibanding dengan metode Centroid Linkage Hierarchical Method.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK2013/150/051307720 |
Subjects: | 000 Computer science, information and general works > 003 Systems > 003.8 Systems distinguished in relation to time |
Depositing User: | Hasbi |
Date Deposited: | 29 Nov 2013 09:02 |
Last Modified: | 21 Oct 2021 02:34 |
URI: | http://repository.ub.ac.id/id/eprint/147536 |
Preview |
Text
SKRIPSI-_ARIF_RAHMAN_S_-_0610963011.pdf Download (2MB) | Preview |
Actions (login required)
View Item |