Klasterisasi Teks Menggunakan Metode Max-Max Roughness (MMR)

Arief, Mohammad Rizal (2010) Klasterisasi Teks Menggunakan Metode Max-Max Roughness (MMR). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 5105201010-Master_thesis.pdf Restricted to Repository staff only Download (5MB)

Abstract

Salah satu permasalahan klasterisasi teks adalah klasifikasi data yang bersifat uncertain (tidak pasti) atau sulit dikategorikan pada data berdimensi tinggi dan menyebar. Pada penelitian ini, diusulkan metode Max-Max Roughness (MMR) dengan pengayaan similaritas untuk mengatasi permasalahan data uncertain. Metode ini dipilih karena dapat menggunakan beberapa kata kunci yang mempunyai perwakilan paling besar (max roughness) dalam dokumen pada proses klasterisasinya (perbandingan atribut). Sistem klasterisasi dengan metode MMR ini dilakukan dengan menyusun Vector Space Model dari dokumen, melakukan pembobotan, pengayaan similaritas kata, menghitung aproksimasi atas dokumen, dan klasterisasi MMR. Proses uji coba dan evaluasi pada penelitian ini dilakukan dengan menggunakan data 20 Newsgroups. Pengukuran performa klaster dilakukan dengan menggunakan teori entropy klaster. Dibandingkan dengan FW-Kmeans, hasil dari penelitian ini menunjukkan entropy yang lebih rendah sehingga memiliki performa yang lebih bagus.
==================================================================================================================================
One of the main problems in text clustering is data classification involving uncertainty in high-dimensional and sparse text data. In this research, we propose the Max-Max Roughness (MMR) method enriched with similarity terms to address this problem. This method was chosen because it utilizes keywords with maximum roughness in text documents. The MMR clustering system is implemented by constructing a Vector Space Model (VSM) from the documents, performing weighting, enriching term similarity, calculating the upper approximation, and executing MMR clustering. Testing and evaluation in this research were conducted using the 20 Newsgroups dataset. Cluster performance was measured using cluster entropy theory. Experimental results show that the MMR method outperforms FW-KMeans, as the MMR method yields lower entropy.

Item Type:	Thesis (Masters)
Additional Information:	RTIf 005.74 Ari k
Uncontrolled Keywords:	Uncertain, Roughness, MMR entropy,
Subjects:	Q Science > QA Mathematics > QA278.55 Cluster analysis
Divisions:	Faculty of Information Technology > Informatics Engineering > 55101-(S2) Master Thesis
Depositing User:	magang .
Date Deposited:	18 Sep 2026 04:09
Last Modified:	18 Sep 2026 04:09
URI:	http://repository.its.ac.id/id/eprint/144670

Actions (login required)

View Item