Computer File
Pengelompokan dokumen dengan analisis cluster : studi kasus dokumen administratif teknik informatika Unpar
Banyaknya dokumen digital menimbulkan permasalahan dalam pengaksesannya. Pengelompokan
dokumen dapat menjadi solusi masalah tersebut. Dokumen administratif
Teknik Informatika Unpar juga perlu dikelompokkan, namun masalahnya adalah belum
ada klasifikasi baku untuk himpunan dokumen tersebut. Oleh karena itu, penelitian
ini bertujuan untuk membangun perangkat lunak yang mampu melakukan pengelompokan
dokumen sehingga dapat digunakan dalam mencari solusi klasifikasi dokumen
administratif.
Tugas pengelompokan dokumen sangat berkaitan dengan bidang temu kembali informasi
dan pembelajaran mesin. Dokumen perlu diolah dengan teknik-teknik dasar temu
kembali informasi untuk mendapatkan informasi yang terkandung di dalamnya. Oleh karena
karakteristik himpunan dokumen administratif masih belum diketahui, pendekatan
pembelajaran mesin yang tepat adalah pendekatan pembelajaran tak terarah, yaitu analisis
cluster. Analisis cluster adalah metode untuk mendeteksi kelompok-kelompok potensial
dari masukan. Metode clustering yang digunakan adalah bisecting K-means++
karena dapat menghasilkan cluster -cluster yang berkualitas.
Berdasarkan pengujian, perangkat lunak yang dihasilkan dari penelitian ini mampu
memproses 550 dokumen dengan 4783 istilah unik. Cluster-cluster dokumen yang dihasilkan
pun dinilai berkualitas baik oleh para responden. Hal ini ditunjukkan dari purity
keseluruhan yang mencapai 80.00%. Selain itu, para responden juga dapat memberikan
usulan nama kategori klasifikasi dokumen administratif Teknik Informatika Unpar berdasarkan
hasil clustering dokumen tersebut.
Kata-kata kunci: Clustering Dokumen, Temu Kembali Informasi, Pembelajaran Mesin,
Analisis Cluster, Bisecting K-means
Barcode | Tipe Koleksi | Nomor Panggil | Lokasi | Status | |
---|---|---|---|---|---|
skp29345 | DIG - FTIS | Skripsi | INFO GUN p/14 | Perpustakaan | Tersedia namun tidak untuk dipinjamkan - Missing |
Tidak tersedia versi lain