Rancang Bangun Aplikasi Text Mining dalam Mengelompokkan Judul Penelitian Dosen Menggunakan Metode Shared Nearest Neighbor dan Euclidean Similarity

Lisna Zahrotun, Mushlihudin Mushlihudin

Abstract


Data mining adalah proses untuk mengekstrak informasi tersembunyi menjadi sebuah pengetahuan. Beberapa jenis data dalam data mining adalah web mining, text mining, sequence mining, graph mining, temporal data mining, mining spatial data, Mining data terdistribusi dan multimedia mining. Pengelompokan dokumen merupakan salah satu teknik dari text mining. Tujuan penelitian ini adalah untuk membangun aplikasi pengelompokkan judul penelitian dosen menggunakan metode shared nearest neighbor. Metode yang digunakan dalam penelitian merupakan salah satu metode pengelompokkan dalam text mining yaitu shared nearest neighbor (SNN) dengan euclidean similarity. Pengujian dilakukan menggunakan black box test. Hasil dari penelitian ini adalah aplikasi text mining yang mampu mengelompokkan judul penelitian dosen

Full Text:

PDF

References


R. Janani and S. Vijayarani, “Text Mining Research : A Survey,” Int. J. Innov. Res. Comput. Commun. Eng., vol. 4, no. 4, pp. 6564–6571, 2016.

B. Santosa, Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu, 2007.

R. F. Zainal and A. Djunaidy, “ALGORITMA SHARED NEAREST NEIGHBOR BERBASIS DATA SHRINKING,” JUTI, vol. 7, pp. 1–8, 2008.

L. Zahrotun, “Comparison Jaccard similarity , Cosine Similarity and Combined Both of the Data Clustering With Shared Nearest Neighbor Method,” vol. 5, no. 1, pp. 11–18, 2016.

Mushlihudin and L. Zahrotun, “Perancangan Text mining Pengelompokkan Penelitian Dosen Menggunakan Metode Shared Nearest Neihbor dengan Euclidean Similarity,” in Seminar Nasional Teknologi dan Informatika (SNATIF), 2016, pp. 849–855.

S. Jiang, G. Pang, W. Meiling, and K. Limin, “An Improved K-Nearest-Neighbor Algoritm for Text Categorization,” Expert Syst. with Appl., vol. 39.1, pp. 1503–1509, 2012.

C. Li and L. Nan, “A Novel Text Clustering Algorithm,” Energy Procedia, vol. 13, pp. 3583–3588, 2011.

R. Handoyo, S. M. Nasution, P. Studi, S. Komputer, S. Linkage, and S. Coefficient, “Perbandingan Metode Clustering Mengggunakan metode Single Linkage dan K-Means Pada Pengelompokkan Dokumen,” JSM STMIK Mikroskil, vol. 15, no. 2, pp. 73–82, 2014.

T. Alfina and B. Santosa, “Analisa Perbandingan Metode Hierarchical Clustering, K-Means dan Gabugan Keduanya dalam Membentuk Cluster Data (Studi Kasus : Problem Kerja Praktek Jurusan Teknik Industri ITS),” J. Tek. POMITS, vol. 1, no. 1, pp. 1–5, 2012.

A. K. Patidar, J. Agrawal, and N. Mishra, “Analysis of Different Similarity Measure Functions and their Impacts on Shared Nearest Neighbor Clustering Approach,” Int. J. Comput. Appl., vol. 40, no. 16, pp. 1–5, 2012.




DOI: http://dx.doi.org/10.26555/jiteki.v3i2.7697

Article Metrics

Abstract view : 253 times
PDF - 203 times

Refbacks

  • There are currently no refbacks.


Jurnal Ilmiah Teknik Elektro Komputer dan Informatika (JITEKI)
ISSN 2338-3070 (print) | 2338-3062 (online)
Organized by Electrical Engineering Department - Universitas Ahmad Dahlan
Published by Universitas Ahmad Dahlan
Website: http://journal.uad.ac.id/index.php/jiteki
Email 1: jiteki@ee.uad.ac.id (publication issues)
Email 2: sonali@ee.uad.ac.id (info and paper handling issues)

Lisensi Creative Commons

This work is licensed under a Creative Commons Attribution 4.0 International License


View JITEKI stat