Algoritma Partitioning Around Medoids (PAM) Clustering untuk Melihat Gambaran Umum Skripsi Mahasiswa
Abstract
Informatika dan Program Studi Sistem Informasi Fakultas Teknologi Informasi Universitas
Stikubank Semarang. Fakultas Teknologi Informasi dipilih karena jumlah data penelitiannya cukup
banyak. Setiap tahunnya Fakultas Teknologi Informasi meluluskan mahasiswa dengan penelitian skripsi
yang beragam. Setiap tahunnya jumlah data skripsi selalu bertambah. Semakin bertambahnya penelitian
skripsi dengan mata kuliah terbatas menyebabkan semakin banyak pula mahasiswa yang mengambil
penelitian yang mirip tema, objek, atau metode penelitian dengan penelitian sebelumnya. Pengelompokan
data penelitian yang umumnya berbentuk teks dapat dilakukan dengan text mining.
Algoritma yang digunakan adalah Partitioning Around Medoids (PAM) Clustering untuk melihat
gambaran umum kemampuan akademik mahasiswa. Aplikasi dapat memberikan layanan pemilihan
medoids sejumlah 3 dokumen sebagai objek medoid. Untuk menghitung similaritas antar dokumen yang
diuji dengan medoids yang telah ditentukan menggunakan algoritma Jaccard Coefficient.
Aplikasi dapat memlakukan proses menentukan sejumlah 3 (tiga) medoids oleh user dari dokumen
abstrak skripsi mahasiswa.. Aplikasi juga dapat melakukan perhitungan jarak antara dokumen abstrak
skripsi yang dipilih sebagai medoids dengan dokumen diluar medoid dan menampilkan hasil klastering
dokumen abstrak skripsi menggunakan algoritma PAM
References
Mining, Supercomputing
hrisnanto, Yulison Herry , 2013, Algor itma
Partitioning Around Medoids (PAM)
Sebagai Teknik Clustering Pada Data
Mining, Majalah Ilmiah Aristoteles FMIPA
Unjani, Volume 11 Nomor 2, Oktober 2013
Feldman, R., and J. Sanger. 2006. The Text
Mining Handbook, Advances Approaches in
Analyzing Unstructured Data. Cambridge:
Cambridge University Press
Han, J., Kamber, M., Data Mining Concept and
Technique, 2nd Ed, Elsevier, 2006
Hearst M, 2003, What is Text Mining ?
http://www.sims.berkeley.edu/~hearst/ textmining.html
Salton, G., 1989, Automatic Text Processing,
The Transformation, Analysis, and
Retrieval of Information by Computer,
Addison – Wesly Publishing Company, Inc.
All rights reserved.
Salton, G. and Buckley, 1988, Term Weigting
Approaches in Automatic Text Retrieval,
Department of Computer Science, Cornell
University, Ithaca, NY 14853, USA
Tala, F.Z., 2003, A Study of Stemming Effects on
Information Retrieval in Bahasa Indonesia.
Institute for Logic, Language and
Computation Universiteit van Amsterdam
The Netherlands
Triawati Candra, 2009, Metode Pembobotan
Statistical Concept Based Untuk Klastering
dan Kategorisasi Dokumen Berbahasa
Indonesia, Institut Teknologi Telkom
Bandung
