| dc.description.abstract | Pengelompokan dokumen tugas akhir mahasiswa perlu dilakukan karena dokumen tugas akhir mahasiswa bertambah setiap tahunnya. Pengelompokan dokumen dilakukan agar dokumen yang memiliki kesamaan konteks dapat dikelompokkan ke dalam suatu kategori. Tujuan dari penelitian ini menerapkan teknik association rule mining (ARM) untuk menentukan frequent term sets dengan menggunakan algoritme ECLAT. Data yang digunakan dalam penelitian ini adalah data abstrak dokumen tugas akhir mahasiswa Ilmu Komputer IPB dalam bahasa Inggris. Penelitian ini menggunakan algoritme ECLAT dengan minimum support sebesar 0.1, 0.15, 0.20, 0.25, 0.30, dan 0.35. Penelitian ini menggunakan metode hierarchical frequent term based clustering untuk menentukan cluster. Frequent term sets hasil algoritme ECLAT masih terlalu umum untuk digunakan sebagai penciri dokumen. Pada penelitian ini hasil clustering dengan minimum support 0.35 terbentuk 3 tingkat hirarki. 1-frequent term sets pada minimum support 0.35 yaitu ‘result’, ‘base’, ‘use’, ‘one’, ‘data’. 2-frequent term sets pada minimum support 0.35 yaitu ‘result-use’, ‘base-use’, ‘one-use’, ‘data-use’. Pada minimum support 0.10, 0.15, 0.20 dihasilkan hirarki 4 tingkat dengan 3-frequent term sets sebagai tingkat paling rendah. | id |
