Visualisasi Pengembangan Judul Proyek Akhir di Politeknik Caltex Riau

  • Arif Rahmat Saputra Politeknik Caltex Riau
  • Indah Lestari Politeknik Caltex Riau
  • Muhammad Ihsan Zul Politeknik Caltex Riau

Abstract

Pengetahuan tentang tren topik Proyek Akhir (PA) mahasiswa di perguruan tinggi maupun pada program studi tertentu dapat dimanfaatkan dalam perancangan atau sebagai referensi dalam penelitian yang akan dibangun selanjutnya. Data judul-judul PA yang ada dapat digunakan untuk mengetahui tren topik PA pada tahun tertentu. Pada proyek akhir ini dikembangkan suatu sistem menggunakan metode Text Mining dan algoritma K-MeansClustering untuk dapat mengelompokkan data judul Proyek Akhir mahasiswa yang tersimpan pada database perpustakaan Politeknik Caltex Riau. Data hasil penerapan Text Mining dan algoritma K-Means terhadap judul PA tamatan tahun ajaran 2010-2014 Jurusan Komputer di uji untuk mendapatkan nilai k terbaik menggunakan perhitungan Davies-Bouldin Index. Hasil pengujian tersebut menunjukkan k=8 merupakan nilai k yang paling sesuai untuk diterapkan pada sistem ini. Proyek akhir ini berhasil memvisualisasikan kelompok topik PA yang paling populer pada tahun tertentu menggunakan teknik visualisasi Bar Chart, Pie Chart, dan Tag Cloud. Setiap teknik visualisasi yang digunakan berfungsi untuk mempermudah pengguna dalam memahami informasi yang disampaikan, sehingga dapat memudahkan pengguna dalam proses menganalisa topik maupun judul PA yang dapat dikembangkan lebih lanjut.

Author Biographies

Arif Rahmat Saputra, Politeknik Caltex Riau
Sistem Informasi
Indah Lestari, Politeknik Caltex Riau
Sistem Infromasi
Muhammad Ihsan Zul, Politeknik Caltex Riau
Teknik Informatika

References

Gupta, N. (2011). Text Mining for Information Retreival. Ph.D. thesis, Jaypee Institute of Information Technology University, India.

Gupta, V., Lehal, G.S. (2009). A Survey of Text Mining Techniques and Application. Journal of Emerging Technologies in Web Intelligence.

Budhi, Gregorius S., Gunawan, Ibnu., & Yuwono, Ferry. (2006). Algortima Porter Stemmer For Bahasa Indonesia Untuk Pre-Processing Text Mining Berbasis Metode Market Basket Analysis. PAKAR Jurnal Teknologi Informasi Dan Bisnis 7 (3).

Bagya, Aldian., Hasan, Adi C., dan Sentosa, Surya. (2010). Perancangan Aplikai Visualisasi Data Untuk Implementasi Open Source. Tugas Akhir Program Sarjana S1 Universitas Bina Nusantara. Jakarta

Agusta, Y. (2007). K-Means Penerapan, Permasalahan dan Metode Terkait. Jurnal Sistem dan Informatika (3).

Kunaifi, Aang (2009). Klasifikasi Email Berbahasa Indonesia Menggunakan Text Mining Dan Algoritma K-means. Surabaya: Politeknik Elektronika Negri Surabaya

Prasetyo, Eko (2014). Data Mining Mengolah Data Menjadi Informasi Menggunakan Matlab, Yogyakarta: Penerbit Andi

Fry, Ben. (2008). Visualizing Data. USA: O.Reilly Media.

Published
2015-05-13
Section
Artikel