Abdurasyid, Muhammad (2018) Implementasi Metode Improved K-Means untuk Mengelompokkan Dokumen Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer. Sarjana thesis, Universitas Brawijaya.
Abstract
Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) merupakan jurnal keilmuan di bidang komputer yang memuat tulisan ilmiah hasil penelitian mahasiswa/i FILKOM Universitas Brawijaya yang diterbitkan secara berkala. J-PTIIK merupakan sebuah dokumen jurnal yang memiliki topik jurnal yang berada dalam bidang teknologi informasi dan ilmu komputer. Pada saat ini JPTIIK dikelompokkan berdasarkan arsip volume dan nomor terbit jurnal. Untuk memudahkan identifikasi topik jurnal yang terdapat pada J-PTIIK, maka dokumen J-PTIIK dapat dikelompokkan berdasarkan kemiripan topik yang terdapat dalam JPTIIK. Pengelompokan dokumen J-PTIIK dibuat dengan menggunakan metode improved k-means. Metode improved k-means merupakan salah satu teknik klasterisasi unsupervised dengan penentuan centroid awal klaster diperoleh dengan cara menggabungkan metode optimasi jarak dan densitas. Praproses dokumen dan pembentukan vector space model untuk melakukan pembobotan kata dilakukan terlebih dahulu sebelum mengelompokkan dokumen J-PTIIK dengan menggunakan metode improved k-means. Berdasarkan hasil pengujian, pengelompokan dokumen J-PTIIK memperoleh hasil silhouette coefficient optimal sebesar 0,026574 pada k = 19 dan α = 0,50. Hasil pengujian purity optimal diperoleh sebesar 0,738197 pada k = 23 dan α = 0,50. Hasil penelitian menunjukkan penggunaan metode improved k-means memiliki silhouette coefficient yang lebih baik dibandingkan metode k-means, dengan nilai rata-rata silhouette coefficient pada metode improved k-means sebesar 0,016457654 dan metode k-means sebesar 0,011820563.
English Abstract
Journal of Information Technology and Computer Science Development (JPTIIK) is a scientific journal in the field of computer that contains scientific writings of research results FILKOM Brawijaya University students that published periodically. J-PTIIK is a journal document that has journal topics that are in the field of information technology and computer science. At this time J-PTIIK is clustered by volume archive and published journal number. To facilitate the identification of journal topics contained in J-PTIIK, J-PTIIK documents can be clustered based on similarity of topics contained in J-PTIIK. J-PTIIK documents clustering is made using improved k-means method. The improved k-means method is one of the unsupervised clustering techniques with the initial centroid determination obtained by combining the optimization method of distance and density. Document pre-processing and formation of vector space model to perform term weighting is done first before clustering the J-PTIIK documents using improved k-means method. Based on the evaluation results, J-PTIIK documents clustering obtained an optimal silhouette coefficient by 0.026574 at k = 19 and α = 0.50. Optimal purity test results obtained by 0.738197 at k = 23 and α = 0.50. The research result shows that the use of improved k-means method has better silhouette coefficient than k-means method, with average value of silhouette coefficient at improved k-means method by 0.016457654 and k-means method by 0.011820563.
Other obstract
-
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/240/051801773 |
| Uncontrolled Keywords: | praproses teks, vector space model, pembobotan kata, klasterisasi, improved k-means text pre-processing, vector space model, term weighting, clustering, improved k-means |
| Subjects: | 600 Technology (Applied sciences) > 621 Applied physics > 621.3 Electrical, magnetic, optical, communications, computer engineering; electronics, lighting > 621.38 Electronics, communications engineering > 621.382 Communications engineering |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 17 Apr 2020 23:20 |
| Last Modified: | 16 Oct 2021 04:00 |
| URI: | http://repository.ub.ac.id/id/eprint/166767 |
Preview |
Text
Muhammad Abdurasyid.pdf Download (36MB) | Preview |
Actions (login required)
 |
View Item |