Implementasi Text Mining untuk Pengelompokkan Dokumen Skripsi Menggunakan Metode k-Means Clustering Studi Kasus : Library Management System (LMS) Perbanas Institute

Abstract

Semakin bertambahnya topik penelitian skripsi menumbuhkan peluang semakin banyaknya mahasiswa yang mengambil topik penelitian yang sama atau hampir serupa. Sehingga diharapkan dengan adanya proses pengelompokan dokumen secara otomatis, maka tidak harus membuka halaman terlalu banyak, karena dokumen hasil pencarian telah dikelompokkan berdasarkan kategori yang dapat menggambarkan isi dari suatu dokumen. Penelitian ini bertujuan untuk mengetahui bagaimana performa metode pembelajaran mesin dapat diterapkan untuk pengelompokkan dokumen skripsi mahasiswa Perbanas Institute pada website digital library. Proses pengelompokkan dokumen skripsi ini dilakukan dengan menggunakan metode k-means clustering dengan mengambil judul dan program studi sebagai informasi penting yang dapat mewakili isi dari dokumen. Selanjutnya dokumen akan dilakukan pre-processing terlebih dahulu menggunakan metode text mining. Untuk tahap pre-processing dibagi menjadi beberapa bagian, yakni case folding, stemming, stopwords remove, bag of words, weighting, feature selection dan normalization. Setelah dokumen melewati tahap pre-processing, maka dokumen dapat dikelompokkan menggunakan metode dari k-means clustering. Hasil dari penelitian ini dapat disimpulkan bahwa pengelompokkan dokoumen skripsi  menggunakan metode k-means clustering sangat baik diimplementasikan pada kasus library management systems Perbanas Institute.