Clustering Dokumen Fatwa MUI berdasarkan Bidang Permasalahan Menggunakan K-Means

  • Fajar Rohman Hariri
Abstract views: 5 , Download downloads: 3
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

[1] Santoso, Budi. 2007. Data Mining:Teknik Pemanfaatan data untuk keperluan bisnis, Yogyakarta : Graha Ilmu
[2] Slamet, Cepy, et.al. 2016. Clustering the Verses of the Holy Qur’an using K-Means Algorithm . Asian Journal of Information Technology 5159-5162 ISSN: 1682-3925. .
[3] Nugraha , Deka Dwinavinta Candra,, et.all. 2014. Klasterisasi Judul Buku dengan Menggunakan Metode K – Means. Seminar Nasional Aplikasi Teknologi Informasi (SNATI)..
[4] Yulian, Eko. 2018. Text Mining dengan K-Means Clustering pada Tema LGBT dalam Arsip Tweet Masyarakat Kota Bandung. JURNAL MATEMATIKA “MANTIK”. Vol. 04 No. 01. .
[5] Agusta, Ledi. 2009 . Perbandingan Algoritma Stemming Porter dengan Algoritma Nazief & Adriani untuk Stemming Dokumen Teks Bahasa Indonesia. Konferensi Nasional Sistem dan Informatika. 106-39
[6] Tan, P.N., Steinbach, M. & Kumar, V., 2006. Introduction to Data Mining. Boston : Pearson Education
[7] Han, J &Kamber, M., 2006. Data Mining Concept and Techniques Second Edition. Han, J &Kamber, M., 2006. Data Mining Concept and Techniques Second Edition.
[8] Yang, Yaming dan Pedersen, 1997, J.O, A Comparative Study on Feature Selection in Text Categorization, School of Computer Science, Carnegie Mellon University, US
[9] Toyota, T., Nobuhara, H. Visualization of the Internet News Based on Efficient Self-Organizing Map Using Restricted Region Search and Dimensionality Reduction. JACIII. 16: 222. 2012.
[10] Nazief, Bobby dan Mirna Adriani. 1996. Confix-Stripping: Approach to Stemming Algorithm for Bahasa Indonesia, Fakulty of Computer Science University of Indonesia.
[11] Handoyo, R., Rumani, R.M. & Michrandi, S.N. 2014. Perbandingan Metode Clustering Menggunakan Metode Single Linkage dan K-Means pada Pengelompokan Dokumen.JSM STMIIK Mikroskil. Vol. 15, No. 2.
Published
2020-03-18
How to Cite
Hariri, F. R. (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