Rio Wiliyanto (2014) RANCANG BANGUN APLIKASI DOKUMEN CLUSTERING DENGAN METODE K-MEANS BERDASARKAN WINNOWING FINGERPRINT SIMILARITY. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text Fm.pdf Download (156kB) | Preview
Preview	Text BAB I.pdf Download (14kB) | Preview
Preview	Text BAB II.pdf Download (259kB) | Preview
Preview	Text BAB III.pdf Download (196kB) | Preview
	Text BAB IV.pdf Restricted to Registered users only Download (1MB)
Preview	Text BAB V.pdf Download (483kB) | Preview
Preview	Text em.pdf Download (7kB) | Preview

Abstract

Text Miningdisebutjuga text data mining (TDM) atauKnowledge Discovery in Textadalahpenemuaninformasibarudantidakdiketahuisebelumnyaolehkomputer, dengansecaraotomatismengekstrakinformasidarisumber-sumbertekstidakterstruktur yang berbeda. PadasistemText Miningdikenalberbagaimetodedalampengelompokansuatuteks, salahsatunyaClustering K-means.K- meansadalahsalahsatumetodepengklasterandenganpendekatanpartisi yang mempartisi data yang adakedalambentuksatuataulebihkelompok.Untukmetodepengujian clusteringdigunakanalgoritma winnowing, algoritmainiberfungsiuntukmembentukdokumenteksmenjadisekumpulannilaifingerprint.Dalammet ode k-means digunakanJaccard CoefficientdanEuclidian Distance untukmengukurtingkatSimilarityantaradokumen. Dari hasilpengujianrelevance jaccard coefficient didapatuntuk 4 kelompoksebanyak 73,5 %, pada 7 kelompok 79 %, danuntuk 5 kelompok 96,66%, sementararelevanceeuclidian distancedidapatuntuk 4 kelompok 49,5%, pada 7 kelompokrelevancegagal, dan 5 kelompok 58,33%. Hasilakhirpengujianinididapatmetodesimilarity yang lebihbaikdenganmenggunakanjaccardcoeeficient. Kata Kunci: Clustering, Euclidian Distance, Jaccard Coefficient, K-means, Relevance, Similarity, Text Mining.

Actions (login required)

View Item