JURNAL
PENERAPAN COMPLETE AND AVERAGE LINKAGE PADA PEMBENTUKAN RESEARCH GROUP DOSEN
IMPLEMENTATION OF COMPLETE AND AVERAGE LINKAGE TO THE FORMATION FACULTY RESEARCH GROUP
Oleh: DEVY SURYANINGTYAS 12.1.03.02.0366
Dibimbing oleh : 1. Irwan Setyo Widodo, M.Si 2. Daniel Swanjaya.,M.Kom
PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PGRI KEDIRI 2017
Artikel Skripsi Universitas Nusantara PGRI Kediri
Devy Suryaningtyas | 12.1.03.02.0366 FT – Teknik Informatika
simki.unpkediri.ac.id || 1||
Artikel Skripsi Universitas Nusantara PGRI Kediri
PENERAPAN COMPLETE AND AVERAGE LINKAGE PADA PEMBENTUKAN RESEARCH GROUP DOSEN Devy Suryaningtyas 12.1.03.02.0366 Teknik – Teknik Informatika
[email protected] Irwan Setyo Widodo, M.Si dan Daniel Swanjaya.,M.Kom UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK Devy Suryaningtyas : Penerapan Complete And Average Linkage Pada Pembentukan Research Group Dosen, Skripsi, Teknik Informatika, Fakultas Teknik, UN PGRI Kediri, 2017. Penelitian ini dilatar belakangi oleh Dosen – dosen yang memiliki kesamaan/kemiripan keahlian dan sering berkolaborasi membentuk kelompok penelitian atau grup riset dalam lingkup jurusan. Akan tetapi di UN PGRI Kediri khususnya prodi Teknik Informatika dan Sistem Informasi belum ada kelompok penelitian atau grup riset. Permasalahan penelitian ini adalah bagaimana mengimplementasikan Hierarchical Clustering pada pengelompokan dosen pembimbing skripsi?. Metode untuk pembentukan research group dosen berdasarkan data skripsi mahasiswa menggunakan Hierarchical Clustering yaitu Complete and Average Linkage, sehingga memungkinkan untuk membentuk grup riset agar para dosen membimbing skripsi sesuai dengan bidang penelitiannya masing- masing. Hasil dari penelitian penerapan sistem dengan metode Hierarchical Clustering cukup baik. Untuk penentuanya dicari hasil nilai cosine yang terbesar yaitu complete linkage kemudian dikelompokkan sesuai nilai yang dicari. Hasil pengelompokkan berupa kode dosen serta data skripsi yang sesuai dengan bidang penilitian dosen. KATA KUNCI : Research Group Dosen , Hierarchical Clustering, Complete and Average Linkage.
I.
LATAR BELAKANG Dosen
pembimbing
merupakan
salah
pendukung
dalam
satu
skripsi
hingga
skripsi
faktor
berkualitas.
siap
diajukan dan
penyelesaian
Dalam penulisan sebuah karya
penyusunan proposal skripsi. Sebagai
tulis (skripsi) tentunya melibatkan
bagian dari proses penulisan skripsi,
beberapa
peran
pembimbing
kerjasama ini sering disebut dengan
skripsi menjadi sangat penting karena
kolaborasi. Kolaborasi yang terjalin ini
merupakan
dosen
memiliki konsistensi, dimana masing-
untuk memastikan bahwa mahasiswa
masing memiliki pasangan yang tetap
mampu menyusun skripsi dengan baik
sesuai dengan bidang penelitian yang
dosen
sebagai
tanggungjawab
Devy Suryaningtyas | 12.1.03.02.0366 FT – Teknik Informatika
dosen
pembimbing,
simki.unpkediri.ac.id || 2||
Artikel Skripsi Universitas Nusantara PGRI Kediri
diminati. Dosen – dosen yang memiliki
kriteria
kesamaan/kemiripan
dan
ditentukan sehingga akan mendapatkan
sering berkolaborasi ini membentuk
hasil yang akurat. Dari uraian di atas
kelompok penelitian atau grup riset
penulis
dalam lingkup jurusan. Tetapi di UN
masalah
PGRI Kediri khususnya prodi Teknik
“Penerapan Complete and Avarage
Informatika
Linkage
dan
keahlian
Sistem
Informasi
dan
bobot
yang
mencoba tersebut
sudah
mengangkat dengan
pada
judul
Pembentukan
belum ada kelompok penelitian atau
Research Group Dosen ”. Berdasarkan
grup riset. Oleh karena itu, perlu
permasalahan tersebut, maka perlu
adanya sistem yang dapat digunakan
dibuat suatu sistem untuk memberikan
sebagai pengelompokan penelitian atau
pertimbangan yang dapat membantu
grup riset.
tugas prodi Teknik Informatika dan
Dengan menggunakan
metode Hierarchical Clustering dapat membantu
pengelompokan
tersebut
untuk
pekerjaan. Clustering
sistem
mempermudah
Metode adalah
Hierarchical
suatu
Sistem Informasi UN PGRI Kediri.
II. METODE 1. Cosine Similarity
algoritma
Perhitungan
cosine
clustering yang dapat digunakan untuk
similarity yang memperhitungkan
meng-cluster
(document
perhitungan pembobotan kata pada
clustering). Dari teknik hierarchical
suatu dokumen dapat dinyatakan
clustering,
dapat
dihasilkan
dengan perumusan :
kumpulan
partisi
yang
dimana
dokumen
dalam
terdapat
berurutan,
kumpulan
tersebut
cluster-cluster
yang
mempunyai kemudian
suatu
poin-poin yaitu
individu,
cluster
yang
didalamnya terdapat poin-poin yang dipunyai semua cluster didalamnya. Dengan diharapkan
metode
(
∑
) √∑
(
(
)
) ∑
(
)
Keterangan : qij = bobot istilah j pada dokumen i = tfij *idfj dij = bobot istilah j pada dokumen i = tfij * idfj
tersebut,
pengelompokan
data
2. Stemming Algoritma Tala Proses
skripsi berdasarkan dosen pembimbing akan lebih akurat, karena seharusnya yang akan dibuat didasarkan pada nilai Devy Suryaningtyas | 12.1.03.02.0366 FT – Teknik Informatika
stemming
adalah
proses untuk mencari root dari kata hasil
dari
proses
filtering.
simki.unpkediri.ac.id || 3||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Pencarian root sebuah kata atau
1. Menghilangkan partikel
biasa disebut degan kata dasar
2. Menghilangkan kata sandang
dapat memperkecil hasil indeks
dan kepunyaan.
tanpa harus menghilangkan makna.
3. Menghilangkan awalan 1
Filtering
4. Jika suatu aturan terpenuhi
adalah
pengambilan
proses
kata-kata
yang
jalankan sbb :
dianggap penting atau mempunyai
a. Hilangkan Akhiran
makna. Ada dua pendekatan pada
b. Jika suatu aturan terpenuhi,
proses stemming yaitu pendekatan
hilangkan
kamus
tidak
dan
Beberapa
pendekatan
penelitian
aturan.
juga
telah
dilakukan untuk stemmer bahasa
awalan 2. Jika
proses
stemming
selesai 5. Jika tidak ada aturan yang
Indonesia baik untuk pendekatan
terpenuhi jalankan sbb :
kamus ataupun pendekatan aturan.
a. Hilangkan awalan 2.
Ahmad,Vega,
b. Hilangkan Akhiran
Jelita
dan
Tala
mereka masing-masing mempunyai algoritma
yang berbeda
dalam
c. Proses stemming selesai. Selain itu, tala membagi imbuhan
melakukan proses stemmer pada
menjadi 5 cluster / kelompok.
dokumen bernahasa Indonesia.
Alur proses dari algoritma Tala
Stemmer adopsi
dari
bahasa
inggris
tala
merupakan
algoritma
stemmer.
stemmer
terkenal
diperlihatkan pada gambar 2.1 berikut :
porter
Stemmer
ini
menggunakan rule base analisis untuk mencari root sebuah kata. Stemmer ini sama sekali tidak menggunakan
kamus
sebagai
acuan,
halnya
stemmer
seperti
ahmad,vega dan jelita. Pada stemmer Tala terdapat 5 langkah utama dengan 3 langkah awal
dan
2
langkah
pilihan,
Gambar 2.1 Proses Stemming Algoritma Tala
langkah-langkah tersebut sbb: Devy Suryaningtyas | 12.1.03.02.0366 FT – Teknik Informatika
simki.unpkediri.ac.id || 4||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Dari diagram
III. HASIL DAN KESIMPULAN
di atas didapatkan
deskripsi seperti di bawah ini :
A. HASIL
1. Input data skripsi.
1. Desain Sistem Sistem
yang
telah
2. Stemming
digunakan
untuk
dirancang digunakan untuk
mengembalikan kata ke bentuk
penerapan
and
semula.
pada
3. TF*IDF
complete
average
linkage
digunakan
pembentukan research group
menghitung
dosen. Proses diawali dengan
yang
melakukan input data skripsi,
dokumen.
setelah itu akan masuk proses
proses
dokumen.
dilakukan proses tf*idf yang
muncul
kata pada
4. Vektor fitur digunakan untuk menghitung
akan
banyaknya
sering
stemming, setelah melakukan stemming
untuk
5. Cosine
banyaknya
dokumen
fitur
digunakan
kemudian hasilnya akan di
untuk perhitungan pembobotan
vektor fitur, selanjutnya yaitu
kata pada dokumen.
proses
cossim
dokumen
berdasarkan
dosen
pembimbing
kemudian
dokumen
dikuluster.
akan
6. Kluster untuk
dokumen
digunakan
pencarian
hasil
pengelompokan dosen. 2. Tampilan Menu Utama
Proses dapat dilihat pada flowchart di bawah ini :
Gambar 3.2 Tampilan Menu Utama
Gambar 3.1 Flowchart Sistem Devy Suryaningtyas | 12.1.03.02.0366 FT – Teknik Informatika
simki.unpkediri.ac.id || 5||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Menggunakan Metode Single
3. Tampilan Hasil Cosine
Linkage dan K - Means pada Pengolompokan Dokumen. Bandung : Universitas Telkom. Pradnyana, Gede Aditra dan Ngurah Agus Sanjaya ER. 2012. Perancangan dan Implementasi Automated Document Integration dengan Menggunakan Algoritma Complete Linkage Gambar 5.5 Tampilan Hasil Cosine
Clustering. Bali : Universitas
B. KESIMPULAN Setelah melakukan analisis, perancangan, implementasi dan pengujian pada bab sebelumnya, maka dapat disimpulkan bahwa aplikasi telah berhasil dibuat dan diujicobakan
untuk
Clustering
pengelompokan
Udayana. Swanjaya, Daniel, Chastine Fatichah dan Diana Purwitasari. 2015. Hypergraph – Partitioning Pada Co – Authorship Graph Untuk Pengelompokan Penulis Berdasarkan Topik Penelitian.
mengimplementasikan Hierarchical
Agglomerative Hierarchical
pada dosen
pembimbing skripsi.
Surabaya : Institut Teknologi Sepuluh Nopember (ITS). Utomo, Mardi Siswo. 2013. Implementasi Stemmer Tala pada Aplikasi
IV.
DAFTAR PUSTAKA
Alfina, Tahta, Budi Santosa dan Ali Ridho
Berbasis Web. Program Studi Teknik Informatika, Universitas Stikubank.
Barakbah. 2012. Analisa Perbandingan Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam Cluster Data. Surabaya : Institut Teknologi Sepuluh Nopember (ITS). Handoyo, Rendy, R. Rumani M dan Surya Michrandi Nasution. 2014. Perbandingan Metode Clustering Devy Suryaningtyas | 12.1.03.02.0366 FT – Teknik Informatika
simki.unpkediri.ac.id || 6||
