UMN Knowledge Center

Rancang bangun aplikasi text mining untuk penentuan tren topik skripsi dengan metode K-modids clustering (studi kasus: fakultas ICT UMN)

Vinsensius, Arvin (2016) Rancang bangun aplikasi text mining untuk penentuan tren topik skripsi dengan metode K-modids clustering (studi kasus: fakultas ICT UMN). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
Text
HALAMAN AWAL.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB I.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (964kB) | Preview
[img]
Preview
Text
BAB II.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview
[img]
Preview
Text
BAB III.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (2MB) | Preview
[img] Text
BAB IV.pdf
Restricted to Registered users only
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (5MB)
[img]
Preview
Text
BAB V.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (753kB) | Preview
[img]
Preview
Text
DAFTAR PUSTAKA.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (960kB) | Preview
[img]
Preview
Text
LAMPIRAN.pdf
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (1MB) | Preview

Abstract

Pengetahuan tentang tren topik skripsi dapat membawa manfaat positif bagi pengembangan kurikulum maupun penelitian skala institusi. Namun, informasi mengenai tren topik skripsi dari data yang jumlahnya besar dan tidak terstruktur sangat menyulitkan untuk menemukan intisari atau kesimpulan data. Oleh karena itu, dibangunlah sebuah aplikasi rekomendasi topik skripsi berdasarkan kumpulan topik skripsi yang sering diambil. Aplikasi ini menggunakan metode text mining untuk mengolah data dari file abstrak skripsi. Diawali dengan tahap preprocessing data (case folding, tokenizing, filtering, dan stemming) untuk menghasilkan kumpulan kata dengan frekuensi kemunculan masing-masing. Selanjutnya, kumpulan kata ini akan dikelompokkan dengan metode K-Medoids clustering berdasarkan frekuensi kemunculan. Hasil clustering ditampilkan dalam bentuk grafik dan diberikan juga informasi rekomendasi skripsi yang terkait. Aplikasi yang dibangun berbasis web dan menggunakan framework CodeIgniter. Setelah dilakukan proses pengujian clustering menggunakan metode purity, didapatkan hasil untuk jurusan Sistem Informasi sebesar 0,78, jurusan Sistem Komputer sebesar 0,85, dan jurusan Teknik Informatika sebesar 0,8. Kata kunci : CodeIgniter, Text Mining, Clustering, Skripsi, Preprocessing, KMedoids,Nazief Adriani, Manhattan Distance, Purity, Likert Scale.

Item Type: Thesis (Bachelor Thesis)
Subjects: L Education > L Education (General) > L111-791 Official documents, reports, etc.
L Education > LA History of education > LA173-186 Higher education
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
Depositing User: mr admin umn
Date Deposited: 18 Jul 2017 07:51
Last Modified: 04 Oct 2017 10:14
URI: http://kc.umn.ac.id/id/eprint/1202

Actions (login required)

View Item View Item