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

Abstract

Sistem rekomendasi adalah sistem yang dapat memberikan saran bagi pengguna terhadap item/produk yang bermanfaat. Perpustakaan ITS yang merupakan salah satu penyedia jasa informasi di ITS memerlukan sistem rekomendasi untuk koleksi pustaka yang akan dibeli. Hal ini dikarenakan pustakawan mengalami kesulitan dalam melakukan prosesseleksi judul-judul bahan pustaka yang masih dilakukan secara manual. Sehingga proses pengadaan bahan pustaka tidak berjalan maksimal dan bahan pustaka, khususnya buku, yang dibeli kebanyakan tidak sesuai dengan kebutuhan pengguna. Oleh karena itu, pada penelitian ini diusulkan clustering topik penelitian berbasis unsupervised learning untuk rekomendasi koleksi pustaka di Perpustakaan ITS. Penelitian ini terdiri dari beberapa tahapan proses yaitu: text preprocessing, proses ekstraksi fitur, proses clustering, dan tahap rekomendasi. 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 yaitu K-Means clustering untuk menghasilkan klaster topik penelitian. Tahap terakhir adalah proses rekomendasi yang dilakukan berdasarkan hasil klastertopik penelitian. Dataset yang digunakan berasal dari tugas akhir dan tesis mahasiswa. Pengukuran evaluasi pada penelitian ini menggunakan nilai silhouette coefficient. Berdasarkan hasil pengujian, ratarata nilai silhouette coefficient terbaik yaitu sebesar 0.7119 dengan nilai K=3 pada K-Means clustering dan menggunakan metode Principal Component Analysis (PCA)