Pengelompokan Dokumen Publikasi dengan Topik Data Mining Berbasis Frequent Term Sets Menggunakan Algoritme ECLAT dan HFTC.

Abstract

Dokumen publikasi berbentuk jurnal dengan topik data mining yang tersedia pada jaringan internet sering digunakan untuk mencari informasi. Pengelompokan dokumen diperlukan untuk mempermudah proses pencarian informasi. Salah satu metode yang digunakan adalah teknik clustering. Penelitian ini melakukan pengelompokkan dokumen publikasi dengan topik data mining dalam bahasa Inggris berbasis frequent term sets berdasarkan isi dari abstrak, terdiri atas judul, isi abstrak dan kata kunci. Penelitian ini menggunakan algoritme ECLAT (Equivalence Class Transformation) untuk menentukan frequent term sets dan algoritme HFTC (Hierarchical Frequent Term based Clustering) untuk menentukan hirarki frequent term sets. Hasil dari penelitian ini berupa term dengan nilai informasi yang spesifik sesuai topik data mining. Salah satu term yang terbentuk adalah “associ-rule”, “classif-rule” yang menjelaskan bahwa term tersebut muncul bersamaan dalam dokumen.