Dewinta, Riska (2020) Sistem informasi clustering data skripsi menggunakan k-means dan text mining / Riska Dewinta. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Pada proses penyusunan skripsi langkah awal yang perlu dilakukan ialah menentukan topik atau tema skripsi. Mahasiswa sering mengalami kebingungan dalam menentukan topik atau tema yang masih jarang digunakan. Penelitian ini mengembangkan suatu sistem informasi yang sekaligus memuat fitur untuk clustering skripsi mahasiswa Jurusan Matematika Universitas Negeri Malang. Hal ini dilakukan agar mahasiswa yang sedang mempersiapkan atau sedang melakukan penyusunan skripsi dapat mengetahui topik-topik skripsi yang sudah terlalu banyak digunakan maupun yang jarang digunakan. Pengembangan program dilakukan menggunakan metode Waterfall dengan langkah-langkah sebagai berikut 1) Requirements (Kebutuhan) 2) Design (Perancangan) 3) Implementation (Penerapan) 4) Verification (Verifikasi) dan 5) Maintanance (Perawatan). Tahap awal pada metode Waterfall ialah requiement (Kebutuhan) yang merupakan proses untuk analisa kebutuhan pada Sistem Informasi Clustering Data Skripsi menggunakan K-Means dan Text Mining. Kemudian dilanjutkan dengan tahap kedua yaitu membuat rancangan program berupa DFD ERD database atau basisdata flowchart dan rancangan antarmuka sistem. Rancangan program akan diimplementasikan dalam bentuk bahasa pemrograman PHP HTML Javascript CSS Bootstrap dan Jquery dalam tahap Implementation (Penerapan). Proses clustering menggunakan Text Mining untuk pengolahan data. Proses pertama yang akan dilakukan untuk clustering dengan Text Mining yaitu PreProccessing atau Text PreProccessing. Pada tahap ini dilakukan Tokenizing Filtering dan Stemming Nazief-Adriani hingga diperoleh kumpulan term yang siap masuk pada tahap pembobotan kata (Term Weighting) menggunakan metode TF-IDF. Kemudian terms akan masuk proses clustering menggunakan K-Means dengan k 10 . Penentuan jumlah cluster berdasarkan nilai Davies Bouldin Index terendah. Pada penelitian ini Cosine Similarity digunakan untuk menghitung jarak pada K-Means. Pada tahap keempat dilakukan proses evaluasi hasil clustering menggunakan software RapidMiner dan Microsoft Excel. Proses clustering menggunakan 396 data skripsi Jurusan Matematika Universitas Negeri Malang yang terdiri dari 163 data skripsi prodi Matematika dan 233 data skripsi prodi Pendidikan Matematika. Terdapat empat variasi data yang digunakan untuk clustering yaitu menggunakan data berupa judul kata kunci abstrak dan gabungan judul kata kunci dan abstrak skripsi. Hasil clustering secara keseluruhan memperoleh rata-rata nilai akurasi presisi dan sensitivitas sebesar 82 37% 11 75% dan 12 25%. Validasi oleh ahli sistem memperoleh nilai sebesar 4 01 dari nilai maksimal sebesar 5. Dengan demikian dapat disimpulkan bahwa Sistem Informasi Clustering Data Skripsi menggunakan K-Means dan Text Mining memiliki sistem yang cukup valid meskipun memiliki rata-rata nilai presisi dan sensitivitas yang masih rendah.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Matematika dan IPA (FMIPA) > Departemen Matematika (MAT) > S1 Matematika |
| Depositing User: | library UM |
| Date Deposited: | 12 Aug 2020 04:29 |
| Last Modified: | 09 Sep 2020 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/195683 |
Actions (login required)
 |
View Item |