Analisis dan Implementasi Algoritma Divisive Analysis (DIANA) pada Clustering Berita Bahasa Indonesia

Ni Ketut Feny P

Informasi Umum

Kode

113098011

Klasifikasi

070.43 - Reporting and news gathering

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Algorithm Analysis

Dilihat

557 kali

Informasi Lainnya

Abstraksi

Saat ini teknologi informasi yang semakin berkembang pesat, menyebabkan jumlah dokumen berita online maupun offline juga bertambah banyak. Karena jumlah dokumen berita yang ada banyak, pencarian terhadap informasi mengenai topik-topik tertentu dalam kumpulan dokumen berita cenderung lebih sulit. Untuk itu diperlukan pengelompokkan artikel berita dengan menerapkan salah satu teknik yang terkait dengan Text Mining, yaitu Clustering.<br><br>Clustering merupakan salah satu metode data mining yang bersifat unsupervised learning untuk mengelompokkan dokumen berdasarkan kemiripannya. Untuk melakukan pengelompokan tersebut, dalam Tugas Akhir ini digunakan salah satu algoritma hierarki clustering yaitu Divisive Analysis (DIANA). Algoritma Divisive Analysis (DIANA) bersifat top-down clustering dimana pada awalnya seluruh objek dikelompokkan pada cluster yang sama, objek yang memiliki dissimilarity terbesar dengan objek lainnya akan dipisahkan ke dalam suatu cluster yang baru, pada objek lainnya akan dilihat bila memiliki kesamaan dengan cluster yang baru, maka objek tersebut akan dikelompokkan ke dalam cluster tersebut, bila objek tersebut tidak memiliki kesamaan terhadap cluster yang baru dan dengan cluster semula maka objek tersebut akan dikategorikan ke dalam cluster yang baru lagi, begitu seterusnya hingga akhirnya minimal terdapat satu objek tunggal dalam suatu cluster.<br><br>Dalam Tugas Akhir ini dilakukan pengujian bagaimana cluster yang dihasilkan serta evaluasi cluster dengan melakukan pengujian terhadap Divisive Coeficient (DC), hubungan antara minimum distance dengan F-measure serta hubungan antara minimum distance dengan jumlah cluster yang dihasilkan. Dari hasil pengujian yang telah dilakukan dimana jumlah dokumen yang berbeda dan jumlah term yang paling kecil memiliki kondisi paling maksimal pada saat nilai minimum distance sebsar 7.5 yang memiliki nilai DC sebesar 0.6812 dan nilai F-measure total sebesar 0.4154. Sementara pada inputan dataset yang memiliki jumlah dokumen sama dengan jumlah term sama kondisi paling maksimal pada saat nilai minimum distance sebesar 22.5 yang memiliki nilai DC sebesar 0.6323 dan nilai F-measure total sebesar 0.4071. Clustering, Divisive Analysis (DIANA), Divisive Coeficient (DC), F-measure,