Melola Discovery

← Melola Discovery

Jurnal SINTA 2

Analisis Judul Majalah Kawanku Menggunakan Clustering K-Means Dengan Konsep Simulasi Big Data Pada Hadoop Multi Node Cluster

Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK) · Vol. 4 No. 2 (2017) · pp. 75–80

DOI
10.25126/jtiik.201742239
ISSN
2528-6579, 2355-7699
Published
2017-05-07
Publisher
Fakultas Ilmu Komputer, Universitas Brawijaya
Language
en

Abstract

AbstrakSaat ini pembaca e-magazine seperti majalah Kawanku semakin marak dan terus berkembang. Sehingga penggunaan data besar sangat dibutuhkan pada majalah Kawanku. Selain itu, dibutuhkan pengkategorian setiap bacaan ke dalam tujuh kategori judul pada majalah Kawanku. Sehingga dibutuhkan suatu pengolahan, pengelompokkan, dan pengkomunikasian antar data teks menggunakan text mining. Kombinasi text mining dengan Big Data dapat menjadi sebuah solusi yang menyediakan cara yang efisien dan reliabel untuk penyimpanan data dan infrastruktur yang efektif. Lalu pengkategorian teks dengan clustering K-Means dirasa cukup meskipun menggunakan data besar karena hasilnya memiliki keakuratan yang tinggi. Dari hasil pengujian yang dilakukan, disimpulkan bahwa perbedaan dari banyaknya data tidak mempengaruhi waktu eksekusi karena perbedaan jumlah data yang digunakan tidak terlalu besar.Kata kunci: text mining, k-means, hadoop, big data, clustering, multi node cluster AbstractNowadays e-magazine reader like Kawanku magazine are increasing more and more.. So the use of Big Data is needed in managing e-magazine data in server. In addition, it takes the categorization of each reading into 7 categories of Kawanku magazine. So it takes a processing, grouping, and communicating between the text data using text mining. The combination of text mining with Big Data can be a solution that provides an efficient and reliable way for data storage and effective infrastructure. Then the text categorization with K-Means clustering is enough although using Big Data as a result has a high accuracy. From the results of tests performed, it was concluded that the difference of the number of data does not affect the execution time due to differences in the amount of data used is not too big.Keywords: text mining, k-means, hadoop, big data, clustering, multi node cluster

Collaboration network of the authors

40 authors · 111 co-authorship links · 3 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • University of Brawijaya
  • Universitas Amikom Purwokerto
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Arief Andy SoebrotoUniversity of Brawijaya3
Daneswara JauhariUniversity of Brawijaya3
Dhimas Anjar PrabowoUniversity of Brawijaya3
Sutrisno .Affiliation unknown2
Nurul HidayatUniversity of Brawijaya2
Canny Amerilyse CaesarUniversity of Brawijaya2
Latifah HanumUniversity of Brawijaya2
Muhammad FhadliUniversity of Brawijaya2
Anang HanafiUniversity of Brawijaya2
Listiya SurtiningsihUniversity of Brawijaya2
Fitra Abdurrachman BachtiarUniversity of Brawijaya2
Ahmad Afif SupiantoUniversity of Brawijaya1
Randy Cahya WihandikaUniversity of Brawijaya1
Maria Tenika FrestantiyaUniversity of Brawijaya1
Ziya El AriefUniversity of Brawijaya1
Candra DewiUniversity of Brawijaya1
Rina ChristantiUniversity of Brawijaya1
Budi Darma SetiawanUniversity of Brawijaya1
Rekyan Regasari Mardi PutriUniversity of Brawijaya1
Lailil MuflikhahUniversity of Brawijaya1
Muhammad SyafiqUniversity of Brawijaya1
Achmad Jafar Al KadafiUniversity of Brawijaya1
Rizka Husnun ZakiyyahUniversity of Brawijaya1
Wanda Athira LuqyanaUniversity of Brawijaya1
Uswatun HasanahUniversitas Amikom Purwokerto1
Lintang Resita MayangsariUniversity of Brawijaya1
Andhica PratamaUniversity of Brawijaya1
Mochammad Ainun NajibUniversity of Brawijaya1
Handika Agus FauziUniversity of Brawijaya1
Sutrisno SutrisnoUniversity of Brawijaya1
Aryeswara SunaryoUniversity of Brawijaya1
Maryamah .University of Brawijaya1
Moh. Fadel AsikinUniversity of Brawijaya1
Daisy KurniawatyUniversity of Brawijaya1
Selly Kurnia SariUniversity of Brawijaya1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://jtiik.ub.ac.id/index.php/jtiik/en/oai, first harvested 27 Okt 2026, last seen 27 Okt 2026.
Original metadata (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="id">Analisis Judul Majalah Kawanku Menggunakan Clustering K-Means Dengan Konsep Simulasi Big Data Pada Hadoop Multi Node Cluster</dc:title>
	<dc:creator xml:lang="en">Rahardian, Brillian Aristyo</dc:creator>
	<dc:creator xml:lang="en">Kurnianingtyas, Diva</dc:creator>
	<dc:creator xml:lang="en">Mahardika, Dyan Putri</dc:creator>
	<dc:creator xml:lang="en">Maghfira, Tusty Nadia</dc:creator>
	<dc:creator xml:lang="en">Cholissodin, Imam</dc:creator>
	<dc:description xml:lang="id">AbstrakSaat ini pembaca e-magazine seperti majalah Kawanku semakin marak dan terus berkembang. Sehingga penggunaan data besar sangat dibutuhkan pada majalah Kawanku. Selain itu, dibutuhkan pengkategorian setiap bacaan ke dalam tujuh kategori judul pada majalah Kawanku. Sehingga dibutuhkan suatu pengolahan, pengelompokkan, dan pengkomunikasian antar data teks menggunakan text mining. Kombinasi text mining dengan Big Data dapat menjadi sebuah solusi yang menyediakan cara yang efisien dan reliabel untuk penyimpanan data dan infrastruktur yang efektif. Lalu pengkategorian teks dengan  clustering K-Means dirasa cukup meskipun menggunakan data besar karena hasilnya memiliki keakuratan yang tinggi. Dari hasil pengujian yang dilakukan, disimpulkan bahwa perbedaan dari banyaknya data tidak mempengaruhi waktu eksekusi karena perbedaan jumlah data yang digunakan tidak terlalu besar.Kata kunci: text mining, k-means, hadoop, big data, clustering, multi node cluster AbstractNowadays e-magazine reader like Kawanku magazine are increasing more and more.. So the use of Big Data is needed in managing e-magazine data in server. In addition, it takes the categorization of each reading into 7 categories of Kawanku magazine. So it takes a processing, grouping, and communicating between the text data using text mining. The combination of text mining with Big Data can be a solution that provides an efficient and reliable way for data storage and effective infrastructure. Then the text categorization with K-Means clustering is enough although using Big Data as a result has a high accuracy. From the results of tests performed, it was concluded that the difference of the number of data does not affect the execution time due to differences in the amount of data used is not too big.Keywords: text mining, k-means, hadoop, big data, clustering, multi node cluster</dc:description>
	<dc:publisher xml:lang="en">Fakultas Ilmu Komputer, Universitas Brawijaya</dc:publisher>
	<dc:date>2017-05-07</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://jtiik.ub.ac.id/index.php/jtiik/article/view/239</dc:identifier>
	<dc:identifier>10.25126/jtiik.201742239</dc:identifier>
	<dc:source xml:lang="id">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol 4 No 2: Juni 2017; 75-80</dc:source>
	<dc:source xml:lang="en">Jurnal Teknologi Informasi dan Ilmu Komputer; Vol. 4 No. 2: Juni 2017; 75-80</dc:source>
	<dc:source>2528-6579</dc:source>
	<dc:source>2355-7699</dc:source>
	<dc:source>10.25126/jtiik.201742</dc:source>
	<dc:language>en</dc:language>
	<dc:relation>https://jtiik.ub.ac.id/index.php/jtiik/article/view/239/pdf</dc:relation>
	<dc:rights xml:lang="en">Copyright (c) 2017 Jurnal Teknologi Informasi dan Ilmu Komputer</dc:rights>
</oai_dc:dc>