Klasifikasi E-book Berbahasa Inggris Dengan Menggunakan Metode K-Means Clustering Studi Kasus Perpustakaan STIKI Malang

Abstract

Text Mining merupakan proses penambangan data yang berupa text dengan menggunakan sumber yang berasal dari text, dengan tujuan mencari kata-kata yang dapat mewakili isi dari sebuah dokumen sehingga dapat dilakukan analisa terkait dengan keterhubungan antara dokumen yang ada. Untuk mendukung Klasifikasi E-book berbahasa Inggris Menggunakan Metode K-Means Clustering Studi Kasus Perpustakaan STIKI Malang. Dengan menggunakan metode K-Means Clustering membantu sistem dalam pengelompokan data atau entitas yang sama serta mengelompokan data atau entitas yang tidak sama. K-Means Clustering bekerja dengan menggunakan nilai dari Text Mining yang ada dan akan dihitung jarak terdekat dengan menggunakan Ecluidience Distance berdasarkan Centroid yang sudah diatur, yang menjadi acuan pada Cluster atau kelas manakah data akan masuk. Dalam pengujian algoritma K-Means Clustering untuk mengelompokan data E-book, dilakukan sampling terhadap data E-book yang terdapat pada Perpustakaan STIKI Malang. Dari sistem yang ada menunjukan bahwa diterapkannya sistem ini akurasi dari Cluster 1 (Informasi Sistem) 10% , Cluster 2 (Teknik Komputer) 15%, dan Cluster 3 (Teknik Informatika) 65%.

Perbandingan Metode K-Means Dan K-Medoids Untuk Klasifikasi Status Gizi Anak

“…Setelah mengelompokkan data menghitung kembali nilai centroid baru. Kemudian langkahnya berulang sampai data di setiap kelompok tidak berubah posisinya [9].…”