Analisa klastering menggunakan Paralel K-means pada data terjemah Al-qur'an bahasa Indonesia

Addis, Naufal Eldiva Vijayanto (2022) Analisa klastering menggunakan Paralel K-means pada data terjemah Al-qur'an bahasa Indonesia. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

Preview	Text (COVER) 1_cover.pdf Download (110kB) | Preview
Preview	Text (ABSTRAK) 2_abstrak.pdf Download (178kB) | Preview
Preview	Text (DAFTAR ISI) 3_daftarisi.pdf Download (60kB) | Preview
Preview	Text (BAB I) 4_bab1.pdf Download (103kB) | Preview
	Text (BAB II) 5_bab2.pdf Restricted to Registered users only Download (275kB) | Request a copy
	Text (BAB III) 6_bab3.pdf Restricted to Registered users only Download (833kB) | Request a copy
	Text (BAB IV) 7_bab4.pdf Restricted to Registered users only Download (131kB) | Request a copy
	Text (DAFTAR PUSTAKA) 8_daftarpustaka.pdf Restricted to Registered users only Download (98kB) | Request a copy

Abstract

Salah satu jenis data yang menarik untuk dilakukan data mining adalah teks. Dikenal sebagai text mining, proses data mining pada teks dapat menghasilkan informasi penting yang terkandung dalam teks. Teks yang populer untuk diteliti peneliti muslim adalah Al-Qur’an, hal ini jelas penting karena sebagai umat islam kita diwajibkan untuk membaca dan memahami lebih dalam isi Al-Qur’an.Untuk mempermudah memahami isi Al-Qur’an kita dapat mempelajari terjemahannya. Salah satu proses teks mining yang populer dan penting penggunaannya adalah klasterisasi. Terdapat banyak metode klasterisasi, salah satunya adalah K-means. Pada penelitian ini dilakukan percobaan klasterisasi menggunakan metode simple K-means dan parallel K-means dengan bantuan program python yang berbasis online. Sehingga dapat dilihat hasil dari tiap metode dan perbandingannya. Jumlah kluster pada penelitian ini dipilih secara acak yakni 2, 3, 4, 5, 10, 20, 50, 100, 114. Berdasarkan jumlah kluster tersebut maka waktu yang dibutuhkan simple K-means adalah 0.22 detik sampai 10.5 detik dan pada parallel K-means adalah 0.23 detik sampai 10.3 detik. Parallel K-means lebih efektif saat jumlah kluster ≥10 namun membutuhkan waktu yang sama saat jumlah kluster <10 bahkan lebih lambat saat jumlah kluster 5. Adapun urutan terdekat pada centroid dan isi klaster metode simple K-means dan parallel K-means sama atau hanya berbeda urutan item pada tiap pemilihan kluster kecuali pada saat jumlah kluster 114 yang menghasilkan urutan dan isi item yang jauh berbeda tiap metodenya.

Actions (login required)

View Item