Melola Discovery

← Melola Discovery

Journal SINTA 2

EKSTRAKSI KATA KUNCI BERDASARKAN HIPERNIM DENGAN INISIALISASI KLASTER MENGGUNAKAN FUZZY ASSOCIATION RULE MINING PADA PENGELOMPOKAN DOKUMEN

JUTI: Jurnal Ilmiah Teknologi Informasi · Vol. 13 No. 2 (2015) · pp. 190–197

DOI
10.12962/j24068535.v13i2.a488
ISSN
2406-8535, 1412-6389
Published
2015-07-01
Publisher
Institut Teknologi Sepuluh Nopember
Language
eng

Abstract

Pertumbuhan dunia digital dalam dokumen tekstual terutama di World Wide Web mengalami pertumbuhan pesat. Pen-ingkatan dokumen tekstual ini menyebabkan terjadinya penumpukan informasi, sehingga diperlukan sebuah pengorgan-isasian yang efisien untuk pengelolaan dokumen tekstual. Salah satu metode yang dapat mengelompokkan dokumen dengan tepat adalah menggunakan fuzzy association rule. Tahap ekstraksi kata kunci serta tipe fuzzy yang digunakan berpengaruh terhadap kualitas pengelompokan dokumen. Penggunaan hipernim dalam ekstraksi kata kunci untuk mendapatkan suatu klaster label dapat memperluas makna dari klaster label, sehingga dapat diperoleh suatu meaningful klaster label, selain itu ambiguitas dan uncertainties yang terjadi di dalam aturan fuzzy logic systems (FLS) tipe-1 dapat diatasi dengan fuzzy set tipe-2. Penelitian ini mengusulkan sebuah metode yaitu ekstraksi kata kunci berdasarkan hipernim dengan inisialisasi klaster menggunakan fuzzy association rule mining pada pengelompokan dokumen. Metode ini terdiri dari empat tahap, yaitu: preprocessing dokumen, ekstraksi key terms dari hipernim, ekstraksi kandidat klaster, dan konstruksi klaster tree. Pengujian terhadap metode ini dilakukan dengan tiga jenis data berbeda, yaitu Classic, Reuters, dan 20 Newsgroup. Pengujian dilakukan dengan membandingkan nilai overall f-measure dari metode tanpa hipernim (level 0), hipernim level 1, dan hipernim level 2. Berdasarkan pengujian didapatkan bahwa penggunaan hipernim dalam ektraksi kata kunci mampu menghasilkan rata-rata overall f-measure sebesar 0.5783 untuk data classic, 0.4001 untuk data reuters, dan 0.5269 untuk data 20 newsgroup.

Collaboration network of the authors

40 authors · 81 co-authorship links · 11 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.

  • Institut Teknologi Sepuluh Nopember
  • Universitas Airlangga
  • Universitas Muhammadiyah Gresik
  • University of Brawijaya
  • Universitas Muhammadiyah Malang
  • Hasanuddin University
  • State University of Semarang
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Nanik SuciatiInstitut Teknologi Sepuluh Nopember12
Handayani TjandrasaInstitut Teknologi Sepuluh Nopember7
Agus Zainal ArifinInstitut Teknologi Sepuluh Nopember6
Siti RochimahInstitut Teknologi Sepuluh Nopember4
Agus Budi RaharjoInstitut Teknologi Sepuluh Nopember4
Muhsin MuhsinAffiliation unknown4
Narandha Arya RanggiantoInstitut Teknologi Sepuluh Nopember4
Hilya TsaniyaInstitut Teknologi Sepuluh Nopember4
Anny YuniartiInstitut Teknologi Sepuluh Nopember3
Apriantoni ApriantoniInstitut Teknologi Sepuluh Nopember3
Rizka Wakhidatus SholikahInstitut Teknologi Sepuluh Nopember3
Yudhi PurwanantoInstitut Teknologi Sepuluh Nopember3
Sherly Rosa AnggraeniInstitut Teknologi Sepuluh Nopember3
Satrio Hadi WijoyoUniversity of Brawijaya3
Septiyan Andika IsantaUniversitas Muhammadiyah Malang3
Farid SukmanaUniversitas Muhammadiyah Gresik2
Hari GinardiInstitut Teknologi Sepuluh Nopember2
Ahmad SaikhuInstitut Teknologi Sepuluh Nopember2
Erika MaulidiyaInstitut Teknologi Sepuluh Nopember2
Abid Famasya AbdillahInstitut Teknologi Sepuluh Nopember2
Safitri JuanitaInstitut Teknologi Sepuluh Nopember2
Hendra MesraHasanuddin University2
Riyanarto SarnoInstitut Teknologi Sepuluh Nopember2
Eha Renwi AstutiUniversitas Airlangga2
Ramadhan Hardani PutraUniversitas Airlangga2
Niken SubektiState University of Semarang2
Heru SetyantoAffiliation unknown2
Sonika MaulanaAffiliation unknown2
Rifa’atunnisa Rifa’atunnisaAffiliation unknown2
Juhadi JuhadiAffiliation unknown2
Hendi PratamaAffiliation unknown2
Dwi Anggani Linggar BharatiAffiliation unknown2
Abdurrahman FaridiAffiliation unknown2
Joko WidodoAffiliation unknown2
Heri YantoAffiliation unknown2
Rusdarti RusdartiAffiliation unknown2
Bilqis AmaliahInstitut Teknologi Sepuluh Nopember1

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://juti.if.its.ac.id/index.php/juti/oai, first harvested 26 Oct 2026, last seen 1 Nov 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="en">EKSTRAKSI KATA KUNCI BERDASARKAN HIPERNIM DENGAN INISIALISASI KLASTER MENGGUNAKAN FUZZY ASSOCIATION RULE MINING PADA PENGELOMPOKAN DOKUMEN</dc:title>
	<dc:creator xml:lang="en">Rozi, Fahrur</dc:creator>
	<dc:creator xml:lang="en">Fatichah, Chastine</dc:creator>
	<dc:creator xml:lang="en">Purwitasari, Diana</dc:creator>
	<dc:description xml:lang="en">Pertumbuhan dunia digital dalam dokumen tekstual terutama di World Wide Web mengalami pertumbuhan pesat. Pen-ingkatan dokumen tekstual ini menyebabkan terjadinya penumpukan informasi, sehingga diperlukan sebuah pengorgan-isasian yang efisien untuk pengelolaan dokumen tekstual. Salah satu metode yang dapat mengelompokkan dokumen dengan tepat adalah menggunakan fuzzy association rule. Tahap ekstraksi kata kunci serta tipe fuzzy yang digunakan berpengaruh terhadap kualitas pengelompokan dokumen. Penggunaan hipernim dalam ekstraksi kata kunci untuk mendapatkan suatu klaster label dapat memperluas makna dari klaster label, sehingga dapat diperoleh suatu meaningful klaster label, selain itu ambiguitas dan uncertainties yang terjadi di dalam aturan fuzzy logic systems (FLS) tipe-1 dapat diatasi dengan fuzzy set tipe-2. Penelitian ini mengusulkan sebuah metode yaitu  ekstraksi kata kunci berdasarkan hipernim dengan inisialisasi klaster menggunakan fuzzy association rule mining pada pengelompokan dokumen. Metode ini terdiri dari empat tahap, yaitu : preprocessing dokumen, ekstraksi key terms dari hipernim, ekstraksi kandidat klaster, dan konstruksi klaster tree. Pengujian terhadap metode ini dilakukan dengan tiga jenis data berbeda, yaitu Classic, Reuters, dan 20 Newsgroup. Pengujian dilakukan dengan membandingkan nilai overall f-measure dari metode tanpa hipernim (level 0), hipernim level 1, dan hipernim level 2. Berdasarkan pengujian didapatkan bahwa penggunaan hipernim dalam ektraksi kata kunci mampu menghasilkan rata-rata overall f-measure sebesar 0.5783 untuk data classic, 0.4001 untuk data reuters, dan 0.5269 untuk data 20 newsgroup.</dc:description>
	<dc:publisher xml:lang="en">Institut Teknologi Sepuluh Nopember</dc:publisher>
	<dc:date>2015-07-01</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://juti.if.its.ac.id/index.php/juti/article/view/488</dc:identifier>
	<dc:identifier>10.12962/j24068535.v13i2.a488</dc:identifier>
	<dc:source xml:lang="en">JUTI: Jurnal Ilmiah Teknologi Informasi; Vol 13, No 2, Juli 2015; 190-197</dc:source>
	<dc:source>2406-8535</dc:source>
	<dc:source>1412-6389</dc:source>
	<dc:source>10.12962/j24068535.v13i2</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://juti.if.its.ac.id/index.php/juti/article/view/488/302</dc:relation>
</oai_dc:dc>