Clustering Dokumen Fatwa MUI berdasarkan Bidang Permasalahan Menggunakan K-Means

Authors

  • Fajar Rohman Hariri
  • Ala Syauqi Universitas Islam Negeri Maulana Malik Ibrahim Malang

DOI:

https://doi.org/10.29407/gj.v4i1.13899

Keywords:

clustering, fatwa, k-means

Abstract

Sejak Majelis Ulama Indonesia (MUI) berdiri pada tahun 1975 sampai sekarang, lembaga ini telah menghasilkan fatwa sebanyak 201 buah yang mencakup berbagai bidang. Seperti masalah ibadah, ahwal al-syakhshiyah, keluarga berencana, masalah makanan dan minuman, kebudayaan, hubungan antar agama, dan lain-lain. Text mining merupakan salah satu teknik yang digunakan untuk menggali data yang tersembunyi dari data yang berbentuk text. Salah satu metode dalam text mining adalah clustering. Penelitian kali ini mengimplementasikan metode K-Means Clustering pada dokumen – dokumen fatwa MUI untuk mengelompokkan fatwa yang ada berdasarkan kemiripan masalah yang dibahas. Silhouette Coefficient digunakan untuk analisa terhadap cluster yang dihasilkan, dengan nilai terbaik 0.0994699359772012 dengan pengelompokan 10 cluster.

References

S, Budi. “Data Mining:Teknik Pemanfaatan data untuk keperluan bisnis”. Yogyakarta : Graha Ilmu. 2007

S, Cepy, et.al.” Clustering the Verses of the Holy Qur’an using K-Means Algorithm” . Asian Journal of Information Technology. 2016

N, Nugraha . D, D, Candra,, et.all. . “Klasterisasi Judul Buku dengan Menggunakan Metode K – Means”. Seminar Nasional Aplikasi Teknologi Informasi (SNATI).2014

Y, Eko.” Text Mining dengan K-Means Clustering pada Tema LGBT dalam Arsip Tweet Masyarakat Kota Bandung”. JURNAL MATEMATIKA “MANTIK”. Vol. 04 No. 01. .2018

A, Ledi.” Perbandingan Algoritma Stemming Porter dengan Algoritma Nazief & Adriani untuk Stemming Dokumen Teks Bahasa Indonesia”. Konferensi Nasional Sistem dan Informatika. 106-39.2009

P, Tan .M, Steinbach. and V, Kumar. “Introduction to Data Mining”. Boston : Pearson Education,2006

J, Han and M Kamber. “Data Mining Concept and Techniques”. Second Edition. Han, J &Kamber, M., 2006.

Y, Yaming and Pedersen.”Comparative Study on Feature Selection in Text Categorization”. School of Computer Science, Carnegie Mellon University, US, 1997

T,Toyota. H,Nobuhara. “Visualization of the Internet News Based on Efficient Self-Organizing Map Using Restricted Region Search and Dimensionality Reduction”. JACIII. 16: 222. 2012.

N, Bobby and M,Adriani.” Confix-Stripping: Approach to Stemming Algorithm for Bahasa Indonesia”, Fakulty of Computer Science University of Indonesia.1996

R, Handoyo., R.M, Rumani. and S.N, Michradi.” Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means pada Pengelompokan Dokumen”.JSM STMIIK Mikroskil. Vol. 15, No. 2. 2014

Downloads

PlumX Metrics

Published

2020-03-18

How to Cite

Hariri, F. R., & Syauqi, A. (2020). Clustering Dokumen Fatwa MUI berdasarkan Bidang Permasalahan Menggunakan K-Means. Generation Journal, 4(1), 31–39. https://doi.org/10.29407/gj.v4i1.13899