Pengelompokan dokumen berbasis PSO

Abstract

Analisis cluster berasal dari antropologi oleh Driver dan Kroeber pada tahun 1932 dan pertama kali diperkenalkan ke bidang psikologi oleh Joseph Zubin pada tahun 1938 dan Robert Tryon pada tahun 1939. Analisis cluster sendiri sampai masa kini telah dimanfaatkan dalam banyak bidang seperti pada bidang machine learning, face recognition, grafik komputer, kompresi data, analisis gambar, bioinformatika, marketing, dsb. Analisis cluster memiliki pengertian sebagai proses untuk mengelompokkan kumpulan objek, di mana kumpulan objek pada cluster yang sama memiliki kemiripan satu sama lain yang lebih tinggi dibanding objek pada cluster lainnya. Salah satu penerapan dari analisis cluster adalah dalam memproses kumpulan dokumen berbasis teks. Sebelum dapat melakukan analisis cluster pada skripsi ini, dilakukan terlebih dahulu text preprocessing. Text preprocessing merupakan proses mengubah bentuk data yang belum terstruktur menjadi data terstruktur. Kumpulan dokumen yang digunakan pada skripsi ini memiliki banyak variasi kata pada tiap dokumennya. Untuk dapat memproses kumpulan dokumen yang memiliki banyak variasi kata pada tiap dokumennya, tentu diperlukan suatu struktur agar dapat dilakukan proses perhitungan dengan tepat dan efisien. Setelah dilakukkannya text preprocessing pada skripsi ini dibangun perangkat lunak yang dapat mengimplementasikan analisis cluster pada dokumen berbasis teks menggunakan metode Particle Swarm Optimization. PSO adalah teknik optimisasi stokastik berbasis populasi yang dikembangkan oleh Dr. Eberhart dan Dr. Kennedy pada tahun 1995, terinspirasi oleh perilaku sosial burung, dan atau ikan. Perangkat lunak yang dibangun memiliki tujuan untuk menganalisis tingkat efektivitas yang diciptakan pada proses analisis cluster menggunakan algoritma Particle Swarm Optimization. Kemudian untuk membandingkan tingkat efektifitas dari algoritma PSO dirancang juga perangkat lunak lainnya. Pada skripsi ini digunakan algioritma K-means sebagai pembanding.