CLUSTERING TOPIK PENELITIAN BERBASIS UNSUPERVISED LEARNING UNTUK REKOMENDASI KOLEKSI PUSTAKA DI PERPUSTAKAAN ITS

Dini Adni Navastara, Eva Mursidah, Yeni Anita Gonti, Davi Wahyuni, Petrus Damianus Sammy Wiyadi, Wahyu Suadi

Abstract


Perpustakaan ITS adalah salah satu penyedia jasa informasi di ITS.  Berbagai koleksi fisik yang dikelola meliputi buku teks, buku tugas akhir, buku tesis, jurnal, majalah, serta prosiding seminar nasional. Setiap tahunnya, perpustakaan ITS memperoleh alokasi dana untuk  pengadaan buku cetak sebesar 1 M, e-journal sebesar 6 M, dan 300 juta untuk pengadaan e-book. Akan tetapi, dana tidak terserap dengan baik dan feedback untuk pengadaan bahan pustaka ke ULP tidak berjalan maksimal dikarenakan pustakawan mengalami kesulitan ketika melakukan proses seleksi judul-judul bahan pustaka yang akan diajukan ke ULP untuk dibeli. Hal ini menyebabkan bahan pustaka, khususnya buku, yang dibeli kebanyakan tidak sesuai dengan kebutuhan pengguna. Untuk itu diperlukan upaya mencari informasi buku baru sebagai bahan pustaka yang sesuai dengan kebutuhan pengguna berbasis teknologi informasi.

Berdasarkan data pengadaan buku di perpustakaan ITS lebih didominasi oleh buku pengembangan yang mendukung referensi publikasi ilmiah. Publikasi ilmiah yang dilakukan oleh para dosen mayoritas merupakan luaran dari penelitian dosen. Oleh karena itu, pada penelitian ini diusulkan klasterisasi tren topik penelitian sebagai rekomendasi pengadaan bahan pustaka di Perpustakaan ITS. Penelitian ini menerapkan konsep text mining yang terdiri dari beberapa tahapan proses yaitu: text preprocessing, proses ekstraksi fitur, proses clustering, dan post-processing. Text preprocessing dilakukan untuk memperbaiki kualitas data teks, sehingga dapat menghasilkan klaster yang relevan dan akurat. Langkah-langkah pada tahap text preprocessing adalah case folding, tokenizing, filtering, dan stemming. Kemudian, dilakukan proses ekstraksi fitur yaitu dengan teknik pembobotan menggunakan Term Frequency dan Inverse Document Frequency (TF-IDF). Fitur-fitur yang dihasilkan pada tahap ekstraksi fitur dilakukan proses clustering menggunakan metode unsupervised learning untuk menghasilkan klaster topik penelitian. Tahap post-processing dilakukan untuk mengevaluasi dan menganalisa hasil klasterisasi tersebut yang selanjutnya digunakan sebagai rekomendasi pengadaan bahan pustaka, khususnya buku.

Full Text:

PDF

References


Ricci, F., Rokach, L. and Shapira, B., 2011. Introduction to recommender systems handbook. In Recommender systems handbook (pp. 1-35). Springer, Boston, MA.

McCarthy, K., Salamó, M., Coyle, L., McGinty, L., Smyth, B. and Nixon, P., 2006. Cats: A synchronous approach to collaborative group recommendation. In Florida Artificial Intelligence Research Society Conference (FLAIRS) (pp. 86-91).

Deka D, Makhfuzi F, Zumrotun N, Novi S,. 2014. Klasterisasi Judul Buku dengan Menggunakan K-Means. Seminar Nasional Aplikasi Teknologi Informasi (SNATI). Yogyakarta.

Ferlyna, K. 2012. Penerapan Metode GA - K Means untuk pengelompokan pengguna pada badan perpustakaan dan kearsipan (BAPERSIP) Provinsi Jawa Timur. Departemen Sistem Informasi ITS. Surabaya.

Larose, D.T. 2005. Discovering Knowledge in Data : An Introduction to Data Mining. John Wiley & Sons, Inc.

Kannan, S. and Gurusamy, V., 2014, October. Preprocessing techniques for text mining. In Conference Paper. India.

Han, J, Kamber, M, Pei, J. 2011. Data Mining Concept and Techniques 3rd Edition. United States : Morgan Kauffman Publisher

Karmayasa, O. & Mahendra, I. B., 2012. Implementasi Vector Space Model dan Beberapa Notasi Metode Term Requency Inverse Document Frequency (TF-IDF) pada Sistem Temu Kembali Infomasi. Jurnal Elektronik Ilmu Komputer Universitas Udayana, 1(1)

Manning, C. D., Raghavan, P. & Schütze, H. 2009. An Introduction to Information Retrieval. Cambridge: Cambridge University Press.

Saadah, M. N., Atmagi, R. W., Rahayu, D. S. & Arifin, A. Z., 2012. Sistem Temu Kembali Dokumen Teks dengan Pembobotan TF-IDF dan LCS. Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi Sepuluh Nopember.

Tan P.N, Steinbach M, & Kumar, V. 2007. Data mining : Introduction to Data Mining. Graha Ilmu. Pearson Education

Usmaida, A., 2007. Web Mining untuk Pencarian Berdasarkan Kata Kunci dengan Teknik Clustering. Tugas Akhir Jurusan Teknologi Informasi Politeknik Elektronika Negeri Surabaya.




DOI: http://dx.doi.org/10.12962/j24068535.v17i2.a788

Refbacks

  • There are currently no refbacks.


Free counters!
Creative Commons License
JUTI (Jurnal Ilmiah Teknologi Informasi) by Department of Informatics, ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License. JUTI is accordance with CC BY-SA.