Text Minig Clustering Untuk Pengelompokan Topik Dokumen Penelitian Menggunakan Algoritma K-Means Dengan Cosine Similarity

Utami, Nengah Widya; Putra, I Gede Juliana Eka

doi:10.51401/jinteks.v4i3.1907

Cited by 3 publications

(3 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dimasa sekarang ini peran data mining sangatlah krusial, hal tersebut dikarenakan perannya yang cukup penting dalam proses pengambilan keputusan. Peran data mining dalam pengambilan keputusan berdasarkan dengan pengolahan data yang dilakukan [24], [25]. Pengolahan data yang dilakukan pada data mining merupakan data yang besar dari kumpulankumpulan data sebelumnya.…”

Section: Data Miningunclassified

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Setiawan,

Triayudi

2024

JoSYC

View full text Add to dashboard Cite

Senior High School is the last level that must be taken before continuing education at a higher level such as a Diploma or Bachelor's degree. Where in general high schools have class majors for students who will move up to class XI from class Improving the quality of education carried out in the class majoring process means that students will be more focused in accordance with the field of interest of the major that the student/I should take. The process that occurs in determining majors is only based on the wishes expressed by the students without taking into account the academic grades of the subjects that the students have passed or completed in class X. This problem is not a small problem that should be ignored, it This is an important problem that must be resolved immediately because if the problem is not resolved immediately it will have lasting impacts later. The process of determining the division of majors for students can be seen based on the patterns or values of previous students. Data mining is a process used to complete processing of large data. The data that is processed is a collection of data that becomes Big Data from past data that is stored in a storage container and can then be reused by processing it. Clustering is an appropriate way to solve problems. Where in clustering grouping is carried out based on the distance to each data object. The K-Means algorithm is part of Clustering Data Mining, where this algorithm can be used to carry out new groupings based on how clusters are formed. From the results obtained, there are 2 (two) new formation clusters. In cluster 1 there are 9 (nine) students and in cluster 2 there are 6 (six) students.

show abstract

Section: Data Miningunclassified

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Setiawan,

Triayudi

2024

JoSYC

View full text Add to dashboard Cite

show abstract

“…Textminig juga digunakan untuk pengelompokkan topik menggunakan algoritma clustering [10], pengelompokkan data dapat menjadi kontribusi dalam mengetahui topik [11]. Algoritma clustering dapat dikombinasikan dengan cosine similarity [12], maupun TF-IDF [13].…”

Section: Intisari-unclassified

Pemetaan Topik Pembicaraan Pada Komentar Live Youtube Menggunakan K-Means Clustering sebagai Identifikasi awal Kejahatan Verbal Cyberbullying

Lahitani,

Zhafarina,

Windi Oktavia

et al. 2024

JTEUNIBA

View full text Add to dashboard Cite

Survey APJII 2022 mencatat 98,02% internet digunakan oleh kalangan anak muda generasi Z untuk mengakses media sosial. Keberadaan media sosial tentu saja memiliki dampak sosial, salah satunya sebagai tempat perundungan atau bullying. Permasalahan muncul dalam proses identifikasi korban dan pelaku cyberbullying, selain itu kesulitan dalam makna dan maksud kata yang mengandung unsur bullying dapat menimbulkan multitafsir yang mempengaruhi dalam proses investigasi. Untuk mengatasi permasalahan tersebut, diperlukan sebuah upaya identifikasi awal dengan mengelompokkan topik pembicaraan menggunakan metode text mining. Cara ini dapat dimulai dengan melakukan teknik preprocessing, dikarenakan data percakapan berbentuk teks. Selanjutnya dilakukan pengelompokkan topik menggunakan algoritma K-means clustering. Berdasarkan hasil perhitungan kelompok komentar yang mengandung perundungan kemudian dipetakan dengan bantuan tools Rapidminer. Kontribusi dari penelitian ini adalah sebagai langkah awal implementasi keamanan siber pada tahap identifikasi bukti digital untuk keperluan investigasi dan persidangan. Penelitian ini menghasilkan pemetaan dalam bentuk klaster. Hasil analisis pada 2 klaster terlihat pola pengelompokkan pada term tertentu yang secara konsisten terkelompok dan berisi term yang sama yaitu term “Nanyi”, sehingga dapat ditarik kesimpulan awal bahwa topik yang sedang menjadi pembahasan dalam Video adalah seputar kegiatan bernyanyi atau unsur perbincangan dalam konteks bernyanyi. Sedangkan pada klaster lain term yang berkelompok lebih beragam karena keunikan masing-masing term.

show abstract

“…Dalam penelitian ini digunakan metode Knowledge Discovery in Database (KDD) dengan menerapkan algoritma SVM. KDD merupakan suatu proses yang melibatkan penggunaan algoritma untuk mengekstraksi informasi penting dari kumpulan data yang ada, sehingga pengetahuan yang sebelumnya tidak diketahui dapat ditemukan [14]. Penelitian ini terdiri dari beberapa tahap, yaitu data selection, preprocessing dataset, transformation, modeling, evaluation, dan visualization.…”

Section: Pendahuluanunclassified

Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Mypertamina Menggunakan Support Vector Machine

Maulana

Apriandari

Pambudi

2023

IDEALIS

View full text Add to dashboard Cite

PT. Pertamina (Persero), sebagai BUMN terbesar di bidang minyak dan gas bumi di Indonesia, memiliki tanggung jawab untuk menyalurkan BBM bersubsidi secara tepat sasaran dan sesuai kuota yang ditetapkan oleh pemerintah. Sejak 1 Juli 2022, aplikasi MyPertamina menjadi syarat untuk pembelian BBM Pertalite dan Biosolar. Dengan lebih dari 10 juta unduhan dan peringkat 2,5 di Google Play Store berdasarkan data pada Oktober 2022, penelitian ini bertujuan untuk mengevaluasi aplikasi MyPertamina dengan mengelompokkan ulasan ke dalam dua kelas sentimen dan tiga kelas aspek. Metode yang digunakan dalam penelitian ini adalah Knowledge Discovery in Database (KDD) dengan menerapkan algoritma Support Vector Machine (SVM). Hasil penelitian menunjukkan bahwa MyPertamina dinilai membantu pengguna dalam pembelian BBM, meskipun terdapat kendala yang dirasakan pengguna. Kendala tersebut meliputi kesulitan dalam mendaftar akun dan sering mengalami kegagalan login pada aspek Bug, kerumitan dalam penggunaan pada aspek kegunaan, serta kadang-kadang tidak muncul barcode pada aspek pembayaran. Evaluasi model klasifikasi sentimen dan aspek menghasilkan tingkat akurasi rata-rata sebesar 92% dan 96% secara berturut-turut. Dengan demikian, dapat disimpulkan bahwa model yang telah dikembangkan cukup andal dalam melakukan klasifikasi pada data ulasan aplikasi MyPertamina.

show abstract

Text Minig Clustering Untuk Pengelompokan Topik Dokumen Penelitian Menggunakan Algoritma K-Means Dengan Cosine Similarity

Cited by 3 publications

References 3 publications

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Penerapan Data Mining Dengan Menggunakan Algoritma Clustering K-Means Untuk Pembagian Jurusan Pada Sekolah Menengah Atas

Pemetaan Topik Pembicaraan Pada Komentar Live Youtube Menggunakan K-Means Clustering sebagai Identifikasi awal Kejahatan Verbal Cyberbullying

Analisis Sentimen Berbasis Aspek Terhadap Ulasan Aplikasi Mypertamina Menggunakan Support Vector Machine

Contact Info

Product

Resources

About