ABSTRAKSI: Pendekatan yang sangat populer untuk mengelompokkan sejumlah dokumen atau term adalah dengan pemodelan matriks. Teknik clustering berdasarkan matriks frekuensi term dokumen ini bersifat independen dan tidak memiliki nilai semantik. Metode clustering yang digunakan untuk menangani semantik dalam tugas akhir ini menggunakan Semantic Locally Adaptive Clustering (Semantic LAC).
Pengujian clustering pada tugas akhir ini dengan menggunakan V-Measure dan dilakukan pada setiap iterasi Semantic LAC. Dengan metode V-Measure, diperoleh hasil pengujian dengan memperhitungkan homogeneity, completeness dan harmonic mean. Dengan pengujian ini diperoleh clustering yang ideal. Yaitu memperoleh v-measure maksimum dengan iterasi yang sedikit yaitu sebanyak tiga iterasi, jumlah cluster sebanyak lima cluster dan parameter h lebih besar dari sepuluh.Kata Kunci : Clustering, Teks, V-Measure, Semantic LAC, SemantikABSTRACT: A popular approach to classify documents or terms is vector space. Clustering technique based on term frequency matrix document is independent and semantic less. The cluster method used in this final project to handle semantic value is using Semantic Locally Adaptive Clustering (Semantic LAC).
The Test of this clustering at this final project is using V-Measure and it is performed on every Semantic LAC’s iteration. By the method of V-Measure, the test results will be obtained by calculating homogeneity, completeness, and harmonic mean. By this test, we get the ideal clustering. It means, obtaining the maximum v-measure with a few iterations equals three iterations, five clusters, and h parameter more than ten.Keyword: Clustering, Teks, V-Measure, Semantic LAC, Semantics