Pengelompokan Dokumen Tugas Akhir Mahasiswa Program S1 Ilmu Komputer Berbasis Frequent Itemset.

Abstract

Abstrak merupakan bagian dari dokumen tugas akhir memiliki peranan penting dalam menjelaskan keseluruhan dokumen. Kata-kata yang sering muncul dapat dijadikan acuan dalam mengelompokkan dokumen ke dalam kategorikategori. Tujuan dari penelitian ini adalah menerapkan metode association rule mining menggunakan algoritme ECLAT dalam mencari kombinasi term yang paling sering terjadi dan mengelompokkan dokumen abstrak tugas akhir. Data yang digunakan dalam penelitian ini adalah data abstrak dokumen tugas akhir mahasiswa Program S1 Ilmu Komputer IPB dalam bahasa Inggris dari tahun 2012 hingga 2014. Penelitian ini menggunakan stopwords yang berhubungan dengan istilah Ilmu Komputer yang bersifat umum, menerapkan association rule mining dengan support sebesar 0.1, 0.15, 0.2, 0.25, 0.3, dan 0.35, dan menggunakan clustering KMeans dengan jumlah cluster (k) sebesar 10 karena memiliki nilai sum of squared error (SSE) terendah. Pengelompokan ini membandingkan nilai support, SSE, jumlah anggota, dan nilai evaluasi purity di tiap cluster. Cluster terbaik dihasilkan pada perlakuan data dengan penambahan stopwords dan tanpa penerapan association rule mining, dengan k sebesar 10, nilai SSE sebesar 23 485.03, dan nilai purity sebesar 0.512.