APLIKASI KLASTERISASI DOKUMEN TUGAS AKHIR MENGGUNAKAN K-MEANS YANG DIOPTIMASI DENGAN ALGORITMA GENETIKA
| Main Author: | Alingkas, Salmah |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2014
|
| Subjects: | |
| Online Access: |
http://eprints.umm.ac.id/25373/1/jiptummpp-gdl-salmahalin-34701-1-pendahul-n.pdf http://eprints.umm.ac.id/25373/2/jiptummpp-gdl-salmahalin-34701-2-babi.pdf http://eprints.umm.ac.id/25373/ |
Daftar Isi:
- Peningkatan jumlah dokumen dalam format teks cukup signifikan pada dokumen tugas akhir belakangan ini membuat proses pengelompokkan dokumen menjadi penting. K-means adalah suatu metode penganalisaan data atau metode data mining yang melakukan proses pemodelan tanpa supervisi (unsupervise). Namun metode ini sering terjebak dalam local optimum karena k-means selalu membangkitkan centroid awal untuk tiap klaster secara acak. Oleh karena itu dilakukan optimasi centroid awal dengan algoritma genetika. Algoritma genetika pada dasarnya adalah program yang mensimulasikan proses evolusi, dalam hal ini populasi dari kromosom dihasilkan secara acak dan memungkinkan untuk berkembang biak untuk menghasilkan individu kromosom yang prima. Dalam jurnal ini akan dibahas algoritma GA-Kmeans dalam proses pengelompokkan dokumen tugas akhir.