Penerapan Analisis Outlier Untuk Pengelompokan Jurnal Ilmiah Menggunakan Metode Hierarchical Clustering Dan K-Means Di Lembaga Ilmu Pengetahuan Indonesia LIPI

Silalahi, Valentinus (2016) Penerapan Analisis Outlier Untuk Pengelompokan Jurnal Ilmiah Menggunakan Metode Hierarchical Clustering Dan K-Means Di Lembaga Ilmu Pengetahuan Indonesia LIPI.

Full text not available from this repository.
Official URL: http://elib.unikom.ac.id/gdl.php?mod=browse&op=rea...

Abstract

Pesatnya perkembangan teknologi media penyimpanan digital telah mendorong terjadinya ledakan jumlah dokumen elektronik yang tersimpan dalam repository di lembaga ilmu pengetahuan Indonesia. Berbagai artikel ilmiah dari berbagai peneliti dan kalangan masyarakat telah tersedia dalam versi digital. Namun, fenomena ini tidak disertai dengan pertumbuhan jumlah informasi atau pengetahuan yang dapat disarikan dari dokumen-dokumen elektronik tersebut, Text mining merupakan metode untuk mencari informasi baru yang berguna dari sekumpulan data yang berjumlah besar dan dapat membantu dalam mengambil keputusan. Dalam text mining terdapat beberapa metode yaitu estimation, prediction, classification, clustering dan association. Dalam tugas akhir ini akan diterapkan metode clustering dengan penggabungan algoritma hierarchical-clustering dan algoritma k-means. Clustering merupakan teknik mengelompokan data dengan melakukan pemisahan data ke dalam sejumlah kelompok menurut karakteristik tertentu, dimana label dari setiap data belum diketahui dan dengan pengelompokan tersebut diharapkan dapat mengetahui kelompok data untuk kemudian diberi label sesuai permasalahan yang dihadapi. Pada dataset yang memiliki banyak obyek dimungkinkan adanya beberapa obyek yang memiliki perbedaan karakteristik dengan yang lainnya, obyek ini disebut outlier. Jumlah outlier yang sedikit dari banyaknya objek menyebabkan outlier sulit untuk terdeteksi. Sedangkan tidak jarang ada informasi penting yang dapat digunakan dari keanomalian tersebut. Clustering dapat digunakan untuk menganalisa keberadaa outlier. Oleh sebab itu, Pusat Penelitian Informatika �� LIPI memerlukan metode clustering untuk dapat menggunakan tumpukan artikel ilmiah tersebut, untuk mendapatkan suatu informasi yang digunakan sebagai acuan dalam mengakses informasi, mengkaji artikel ilmiah, memetakan, memonitoring, mengarahkan dan mengevaluasi informasi.

Item Type: Article
Uncontrolled Keywords: text-mining, clustering, K-Means, Analysis Outlier
Subjects: S1-Final Project > Fakultas Teknik Dan Ilmu Komputer > Teknik Informatika > 2015
Divisions: Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer
Universitas Komputer Indonesia > Fakultas Teknik dan Ilmu Komputer > Teknik Informatika (S1)
Depositing User: M.Kom Taryana Suryana
Date Deposited: 16 Nov 2016 07:56
Last Modified: 16 Nov 2016 07:56
URI: https://repository.unikom.ac.id/id/eprint/18100

Actions (login required)

View Item View Item