Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

CLUSTERING DOKUMEN TEKS BERDASARKAN FINGERPRINT BIWORD WINNOWING DENGAN MENGGUNAKAN METODE K-MEANS

Yuliska (2014) CLUSTERING DOKUMEN TEKS BERDASARKAN FINGERPRINT BIWORD WINNOWING DENGAN MENGGUNAKAN METODE K-MEANS. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img]
Preview
Text
fm.pdf

Download (105kB) | Preview
[img]
Preview
Text
Bab I Pendahuluan.pdf

Download (21kB) | Preview
[img]
Preview
Text
Bab II Landasan Teori.pdf

Download (224kB) | Preview
[img]
Preview
Text
Bab III Metodologi Penelitian.pdf

Download (33kB) | Preview
[img]
Preview
Text
Bab IV Analisa Dan Pembahasan.pdf

Download (1MB) | Preview
[img] Text
BAB V Implementasi Dan Pengujian.pdf
Restricted to Registered users only

Download (478kB)
[img]
Preview
Text
Bab VI-Penutup.pdf

Download (14kB) | Preview
[img]
Preview
Text
em.pdf

Download (12kB) | Preview

Abstract

Kebutuhan akan informasi yang semakin meningkat menyebabkan informasi yang berbentuk dokumen teks mengalami penumpukan, sehingga proses pencarian menjadi sulit. Untuk itu, dilakukan suatu teknik clustering agar dokumen-dokumen yang memiliki tingkat kesamaan tinggi dapat berada pada satu kluster/kelompok yang sama, sehingga proses pencarian menjadi lebih mudah. Salah satu metode yang sering digunakan dalam kasus clustering adalah K-Means. Penelitian ini mencoba melakukan clustering terhadap dokumen teks dengan menggunakan metode K-Means berdasarkan fingerprint biword winnowing sebagai feature atau ciri dokumen teks, dimana biword winnowing adalah algoritma yang biasa dipakai untuk mendeteksi kesamaan isi suatu dokumen teks. Proses clustering diawali dengan mengekstrak fingerprint dari masing- masing dokumen yang ada pada koleksi dokumen dengan menggunakan algoritma biword winnowing. Kemudian dilakukan proses pembentukan dimensi dokumen yang merepresentasikan frekuensi kemunculan fingerprint dari masing-masing dokumen tersebut, dan dilanjutkan dengan proses clustering dokumen menggunakan metode K-Means. Selanjutnya, untuk mengetahui kualitas hasil pengelompokan dilakukan pengujian dengan menggunakan parameter precision. Dari keseluruhan hasil pengujian, kualitas hasil pengelompokan terhadap koleksi dokumen uji oleh aplikasi clustering dokumen teks ini dinilai baik dengan nilai precision 60%-88.33%. Kata Kunci : Biword Winnowing, Clustering, Fingerprint, K-Means, Precision.

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: eva sartika
Date Deposited: 27 Apr 2016 20:27
Last Modified: 27 Apr 2016 20:27
URI: http://repository.uin-suska.ac.id/id/eprint/3898

Actions (login required)

View Item View Item