Otomatisasi Klasifikasi Buku Perpustakaan dengan Metode K-NN.
Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 978- 979- 19 888 - 1 - 0
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Otomatisasi Klasifikasi Buku Perpustakaan dengan Metode K-NN
Ni Nyomang Emang Smrti1, I. K.G Darma Putra2
1
Program Studi Magister Teknik Elektro Bidang Keahlian Manajemen Informasi dan Komputer, Universitas
Udayana
2
Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
1
smrti_nyoman@yahoo.com
2
duglaire@yahoo.com
Abstrak
Klasifikasi buku perpustakaan sangatlah penting untuk memudahkan pengunjung dalam pencarian buku.
Dengan memanfaatkan metode yang ada pada data mining khususnya text mining, maka dalam penelitian ini
akan dibangun program aplikasi untuk otomatisasi klasifikasi buku perpustakaan. Metode yang akan digunakan
untuk mengklasifikasi buku perpustaan adalah metode K-Nearest neighborhood (K-NN). Program aplikasi
otomatisasi klasifikasi buku perpustakaan ini dibangun dengan data latih dari buku perpustakaan STMIK
Bandung Bali dan data uji berasal dari beberapa toko buku online yang menyediakan judul buku dan synopsis
buku. Aplikasi yang dibuat mampu mengklasifikasi buku perpustakaan dengan prosentase keberhasilan 55%
dengan jumlah data latih 538 dan 20 data uji.
Kata kunci : klasifikasi, text mining, K-NN
1. Pendahuluan
Jumlah
koleksi
buku
dalam
sebuah
perpustakaan selalu mengalami penambahan bukubuku baru, seperti yang terjadi di STMIK Bandung
Bali. Setiap tahun masing-masing program studi
memiliki anggaran pengadaan buku. Klasifikasi
buku secara manual akan menyulitkan petugas
perpustakaan
khususnya
yang
kurang
berpengalaman. Keterbatasan pengetahuan petugas
memungkinkan
terjadinya
kesalahan
dalam
mengklasifikasi buku serta membutuhkan waktu
yang lama, karena petugas tersebut minimal harus
membaca resensi dan daftar isinya. Untuk itu perlu
ada mekanisme yang cepat dan objektif untuk
klasifikasi koleksi buku perpustakaan.
Permasalahan klasifikasi koleksi buku yang
lebih objektif, akan diselesaikan dalam penelitian
ini dengan memanfaatkan text mining. Definisi dari
text mining adalah menambang data yang berupa
teks dimana sumber data biasanya didapatkan dari
dokumen, dan tujuannya adalah mencari kata-kata
yang dapat mewakili isi dari dokumen sehingga
dapat dilakukan analisa keterhubungan antar
dokumen (Milkha Harlian Ch, 2006).
Banyak metode yang mendukung text mining
salah satunya adalah algoritma K-Nearest Neighbor
(K-NN). Berdasarkan survey paper tahun 2008
algoritma K-NN termasuk dalam 10 algoritma
terpopuler dalam data mining. Hal ini dapat dilihat
dari penelitian yang menyelesaikan masalah
klasifikasi teks, banyak yang memanfaatkan metode
K-NN, antara lain: (1) Pengelompokan Dokumen
Berbahasa Indonesia Menggunakan Metode K-NN
oleh Achmad Ridok dan Muhammad Tanzil Furqon
(2009). (2) Rancang Bangun Sistem Pengelolaan
Dokumen-dokumen Penting Menggunakan Text
Mining oleh Ahmad Hatta Nana Ramadijanti dan
Afrida Helen (2010). (3) Using K-NN Model-based
Approach for Automatic Text Categorization oleh
Gongde Guo dkk (2003). Kesimpulan secara umum
dari penelitian di atas adalah dengan menggunakan
metode K-NN memberikan hasil yang cukup akurat
dengan prosentase keberhasilan sebesar 71,58 %
sampai dengan 83,2 %.
2.
Preprosesing Dokumen
Sebelum proses klasifikasi dilakukan dengan
menggunakan metode K-NN, maka data latih
maupun data uji yang berupa judul buku diolah
terlebih dahulu menjadi data numerik. Tahapan
preposesing ini merupakan tahapan dari text mining
yang harus dilakukan, bila akan menambang
informasi berupa teks.
Menurut Milkha Harlian Ch, (2006) text
mining merupakan menambang data yang berupa
teks dimana sumber data biasanya didapatkan dari
dokumen dan tujuannya adalah mencari kata-kata
yang dapat mewakili isi dari dokumen sehingga
dapat dilakukan analisa keterhubungan antar
dokumen.
Menurut Tan (2009) text mining merupakan
proses mengesktrak petterns dan knowledge yang
bersifat menarik dan penting dari dokumendokumen teks. Pada intinya proses kerja text mining
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 2012
257
Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
sama dengan proses kerja data mining pada
umumnya hanya saja data yang di mining
merupakan text databases.
Di dalam knowladge discovery terdapat tahap
data mining seperti yang telah disebutkan diatas
sebenarnya pada tahap data mining inilah text
mining dijalankan. Jadi pada intinya text mining
adalah istilah yang dipakai oleh data mining yang
mengekstrak data berupa teks.
Tahap-tahap text mining secara umum adalah:
1. Tahap tokenizing adalah tahap pemotongan string
input berdasarkan tiap kata yang menyusunnya.
2. Tahap filtering adalah tahap mengambil kata-kata
penting dari hasil token. Algoritma yang
digunakan adalah algoritma stoplist (membuang
kata yang kurang penting) atau wordlist
(menyimpan kata penting).
3. Tahap stemming adalah tahap mencari root kata
dari tiap kata hasil filtering. Pada tahap ini
dilakukan proses pengembalian berbagai
bentukan kata ke dalam suatu representasi yang
sama. Tahap ini kebanyakan dipakai untuk teks
berbahasa Inggris dan lebih sulit diterapkan pada
teks berbahasa Indonesia.
4. Tahap tagging adalah tahap mencari bentuk
awal/root dari tiap kata hasil stemming.
5. Tahap analizing merupakan tahap penentuan
seberapa jauh keterhubungan antara kata-kata
antar dokumen yang ada. Tahap ini
menggunakan algoritma frekuensi term (TF),
invers document frequency (IDF) dan kombinasi
perkalian antara keduanya (TFxIDF).
(1)
(2)
Gambar 1. Tahapan text mining
Untuk matrik A, jumlah baris berhubungan dengan
jumlah kata M dalam koleksi dokumen.
3.
Metode K-NN
Algoritma K-nearest neighborhood (K-NN)
merupakan algoritma supervised learning yang hasil
klasifikasi data baru berdasar kepada kategori
mayoritas tetangga terdekat ke-K. Tujuan dari
algoritma ini adalah mengklasifikasikan objek baru
berdasarkan atribut dan data training. Algoritma KNN menggunakan klasifikasi ketetanggaan sebagai
prediksi terhadap data baru.
Pada fase pembelajaran, algoritma ini hanya
melakukan penyimpanan vektor-vektor fitur dan
klasifikasi dari data pembelajaran. Pada fase
klasifikasi, fitur-fitur yang sama dihitung untuk data
tes (yang klasifikasinya tidak diketahui). Jarak dari
vektor yang baru ini terhadap seluruh vektor data
pembelajaran dihitung, dan sejumlah k buah yang
paling dekat diambil. Titik yang baru klasifikasinya
diprediksikan termasuk pada klasifikasi terbanyak
dari titik-titik tersebut.
Nilai k yang terbaik untuk algoritma ini
tergantung pada data, pada umumnya nilai k yang
tinggi akan mengurangi efek noise pada klasifikasi,
tetapi membuat batasan antara setiap klasifikasi
menjadi lebih kabur. Nilai k yang bagus dapat dipilih
dengan optimasi parameter, misalnya dengan
menggunakan cross-validation. Kasus khusus di
mana klasifikasi diprediksikan berdasarkan data
pembelajaran yang paling dekat (dengan kata lain, k
= 1) disebut algoritma nearest neighbor. Berikut
rumus pencarian jarak menggunakan rumus
Euclidean Distance
∑
Dari kelima tahapan diatas dapat digambarkan pada
gambar 1.
258
ISBN : 9 7 8- 97 9 - 198 88- 1- 0
(3)
dengan :
x1 = sampel data
x2 = data uji
I = varibel data
d = jarak
p = dimensi data
Ketepatan algoritma KNN ini sangat
dipengaruhi oleh ada atau tidaknya fitur-fitur yang
tidak relevan, atau jika bobot fitur tersebut tidak
setara dengan relevansinya terhadap klasifikasi.
Riset terhadap algoritma ini sebagian besar
membahas bagaimana memilih dan memberi bobot
terhadap fitur, agar performa klasifikasi menjadi
lebih baik.
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2
Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 978- 979- 19 888 - 1 - 0
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Langkah-langkah Algoritma K-nearest neighbors
(K-NN) :
1. Tentukan Parameter K = jumlah tetangga
terdekat.
2. Hitung jarak antara data yang akan ditentukan
klasifikasinya dengan semua sampel pelatihan.
3. Urutkan jarak dan tentukan tetangga terdekat
berdasarkan jarak minimum K.
4. Kumpulkan kategori tetangga terdekat.
Gunakan mayoritas sederhana dari kategori tetangga
terdekat sebagai nilai prediksi dari data yang
ditentutukan klasifikasinya.
5.
Data
Data latih yang digunakan untuk otomatisasi
proses klasifikasi buku perpustakaan sejumlah 538
judul buku dengan jumlah kategori 21 buah, untuk
data yang lebih detil dapat dilihat pada tabel berikut
ini
Tabel 1. Data Latih
Kode Kategori
003.3
004.019
004.028
004.5
004.2
004.3
004.67
004.678
004.68
005.12
005.13
005.268
005.3
005.43
005.74
005.8
006
006.3
006.6
006.7
413
4. Arsitektur Aplikasi Klasifikasi Buku
Gambar 2. Arsitektur Sistem Klasifikasi Buku
Keterangan Gambaran Umum Sistem
1. Masukkan data latih berupa judul buku yang
ada di perpustakaan.
2. Mengubah semua huruf besar menjadi huruf
kecil di setiap data latih.
3. Semua data latih masuk kedalam proses text
mining.
4. Menyimpan data latih ke dalam database.
5. Memasukkan data buku baru sebagai data uji.
6. Mengubah data buku baru yang menggunakan
huruf besar menjadi huruf kecil.
7. Data buku baru masuk kedalam proses text
mining.
8,9 Data buku perpustakaan (sebagai data latih)
yang sudah tersimpan di database digunakan
untuk mengklasifikasi data buku baru (data uji)
yang telah selesai melalui proses text mining.
10. Hasil yang didapatkan adalah data buku baru
yang sudah diklasifikasi dengan metode K-NN.
Jumlah buku
3
4
10
11
6
3
12
11
3
9
11
126
149
57
56
15
14
10
4
19
5
Kategori yang digunakan dalam klasifikasi
buku perpustakaan mengacu pada aturan Dewey
Decimal Classification (DCC).
Data uji yang digunakan sejumlah 20 judul
yang diperoleh dari toko buku online bukukita.com.
6. Hasil Penelitian
Penelitian ini dilakukan melalui dua tahapan
pertama tahap menginputkan data latih dan tahap
yang kedua adalah melakukan pengujian terhadap
data latih yang telah diinputkan.
Tahap pertama memasukkan data latih kedalam
program. Dari tabel 1 dapat dilihat untuk kode
kategori 413 yaitu kategori kamus. Pada
perpustakaan tempat penelitian dilakukan terdapat 5
buah kamus yaitu Kamus Umum Lengkap, Kamus
Indonesia Inggris, Kamus Lengkap InggrisIndonesia & Indonesia Inggris, Kamus Besar Bahasa
Indonesia dan Kamus Apelatif cara praktis temukan
1100 entri istilah pengetahuan. Dari kelima data
tersebut dilakukan proses text mining seperti yang
terlihat pada gambar 1. Setelah melalui proses text
mining maka hasilnya yang didapatkan dapat dilihat
pada tabel 2 berikut ini.
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 2012
259
Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Hasil klasifikasi buku yang didapatkan setelah
data uji diinputkan dapat terlihat pada tabel 4 berikut
ini:
Tabel 2. Hasil Text Mining
hasil
stemmer
ISBN : 9 7 8- 97 9 - 198 88- 1- 0
D1
D2
D3
D4
D5
DF
Apelatif
0
0
0
0
1
1
Bahasa
0
0
0
1
0
1
Besar
0
0
0
1
0
1
Cara
0
0
0
0
1
1
Entri
0
0
0
0
1
1
Indonesia
0
1
2
1
0
4
Inggris
0
1
2
0
0
3
Tabel 4. Hasil Klasifikasi
Data Latih
Distance
Kategori
Hasil
Data-1
0.0331198
005.262
Betul
Data-2
0.00047
005.262
Betul
Data-3
0.0007195
005.262
Betul
Istilah
0
0
0
0
1
1
Data-4
0.0004274
005.262
Betul
Kamus
1
1
1
1
1
5
Data-5
0.0004239
005.3
Betul
Lengkap
1
0
1
0
0
2
Tahu
0
0
0
0
1
1
Data-6
0.0011918
005.262
Betul
Data-7
0.0007973
005.262
Betul
Data-8
0.0007973
005.3
Betul
Data-9
0.0006468
005.3
Betul
Data-10
0.0005611
005.262
Salah
Data-11
0.0007195
005.3
betul
Data-12
0.0004559
005.3
betul
Data-13
0.0004286
005.262
salah
Data-14
0.0005542
005.262
betul
Data-15
0.0004948
005.262
salah
Data-16
0.0012971
005.262
salah
Data-17
0.0007107
005.262
salah
Data-18
0.0006752
005.262
betul
Data-19
0.000394
005.262
salah
Data-20
0.0004559
005.262
salah
Praktis
0
0
0
0
1
1
Temu
0
0
0
0
1
1
Umum
1
0
0
0
0
1
Keterangan:
D1 sampai dengan D5 merupakan data 1 sampai
dengan data 5 dari data latih yang diinputkan ke
dalam program kemudian angka yang ada pada
koordinat menunjukkan jumlah kata yang muncul
pada setiap data.
DF adalah document frequency.
Setelah didapatkan nilai DF maka dilanjutkan
perhitungan IDF (Invers document frequency) dan
TF (frekuensi term) dikalikan dengan IDF yang
terlihat pada tabel 3 berikut ini:
Tabel 3. Hasil perhitungan TF-IDF
Dari 20 data uji 11 data buku diklasifikasi
dengan benar dan 9 data buku salah. Jadi tingkat
akurasi yang didapat dari penelitian ini adalah 55%.
Tahap kedua menginputkan 20 data uji
kedalam program. Seperti terlihat pada gambar 1,
data uji ini juga melalui proses text mining sebelum
dilakukan klasifikasi dengan menggunakan metode
K-NN.
7. Kesimpulan
Setelah dilakukan pengujian terhadap data
buku baru, maka kesimpulan yang dapat ditarik
adalah metode K-NN ini memiliki (1) presentase
keberhasilan 55%. (2) Keberhasilan klasifikasi buku
dipengaruhi proses text mining. (3) Banyaknya judul
buku yang memiliki kata yang sama, menyumbang
penurunan tingkat akurasi pada proses klasifikasi.
Daftar Pustaka:
Ahmad Hatta, Nana Ramadijanti dan Afrida. 2007.
Rancang
Bangun
Sistem
Pengelolaan
260
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2
Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 978- 979- 19 888 - 1 - 0
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Dokumen-dokumen Penting Menggunakan Text
Mining, Proyek Akhir, Institut Teknologi
Sepuluh
Nopember.
[Online]
http://digilib.its.ac.id/public/ITSUndergraduate-14856-cover-idpdf.pdf,
2010.
[di unduh tanggal 1 Desember 2011]
Ahmad Ridok dan Muhammad Tanzil Furqon. 2009.
Pengelompokan Dokumen Berbahasa Indonesia
Menggunakan
Metode
K-NN..
[Online]
http://matematika.ub.ac.id/web/cms/index2.php?
option=com_docman&task=doc_view&gid=319
&Itemid=76. [di unduh tanggal 1 Desember
2011]
Ari Fadli, Konsep Data Mining. 2011. [Online]
ilmukomputer.org/wpcontent/uploads/2011/03/Ari_Fadli_Konsep_Dat
a_Mining.pdf [di unduh tgl 22 Nopember 2011].
Atri Nurani, Budi Susanto, Umi Proboyekti. 2007.
Implementasi Naive Bayes Classifier Pada
Program Bantu Penentuan Buku Referensi
Matakuliah.
[Online]
ti.ukdw.ac.id/ojs/index.php/informatika/article/d
ownload/60/12. [diunduh 19 Pebruari 2011].
Efraim Turban, Jay E. Aronson, Ting-Peng Liang.
2005. Decision Support Systems and Intelligent
Systems. Yogyakarta: Andi.
Fadillah Z. Tala, A Study of Stemming Effect on
Information Retrieval in Bahasa Indonesia,
Netherland, Universiteit van Amsterdam,
http://ucrel.lancs.ac.uk/acl/P/P00/P00-1075.pdf,
diakses terakhir tanggal 25 Juli 2009.
Gongde Guo, Hui Wang, David Bell, Yaxin Bi and
Kieran Greer. 2003. Using K-NN Model-based
Approch for Automatic Text Categorization,
School of Computing and Mathematics,
University of Ulster Newtownabbey. [Online].
officeobjects.info/publications/%5BGuo2003a%
5D.pdf. [diunduh tanggal 20 Pebruari 2011].
Heri Kurniawan, Rizal Fathoni Aji. 2006.
Otomatisasi
Pengelompokkan
Koleksi
Perpustakaan Dengan Pengukuran Cosine
Similarity Dan Euclidean Distance, [Online]
Journal.uii.ac.id/index.php/Snati/article/view/15
99/1374. [diunduh: tanggal 15 April 2011].
Hearst, M. 2004. What is text mining. [online].
sims.berkeley.edu/~hearst/
textmining.html,
[diunduh: 30 Nopember 2011].
Helmi Harniawati. 2007.
“Image Clustering
Berdasarkan Warna untuk Identifikasi Buah
dengan Metode Valley Tracing” (Proyek akhir).
Surabaya: Institut Teknologi Sepuluh Nopember.
Iko Pramudiono. 2003. Pengantar Data Mining:
Menambang Permata Pengetahuan di Gunung
Data. [online], http://ikc.depsos.go.id/umum/ikodatamining.php. [diunduh: tanggal 15 April
2011]
Kusrini, Emha Taufiq Luthfi. 2009. Algoritma Data
Mining. Yogyakarta: Andi.
Michael J. A. Berry and Gordon S. Linoff. 2004.
Data Mining Techniques For Marketing, Sales,
and Customer Relationship Management. United
States of America.
Milkha Harlian Ch. 2006. Text Mining. [online]
kesehatankerja.depkes.go.id/downloads/6Text%2
0Mining.pdf [diunduh: tanggal 30 Nopember
2011].
Sheni Wahyuni. 2010. Penerapan Text Mining
Untuk Automatic Book Classification Dengan
Metode
Naive
Bayes.
[Online].
http://elib.unikom.ac.id/gdl.php?mod=browse&o
p=read&id=jbptunikompp-gdl-sheniwahyu18589. [diunduh: tanggal 15 April 2011].
Thorsten Joachims. 2002. Classify Text Using
Support Vector Machines. America.
Tawa P. Hamakonda, Mls & J. N. B Tairas. 2008.
Pengantar Klasifikasi Persepuluhan Dewey.
Cetakan ke – 18. Jakarta.
Turban, E., dkk, 2005, Decision Support System and
Intelligent System, Yogyakarta: Andi.
Wahyu Supriyanto, Ahmad Muhsin. 2008. Informasi
Perpustakaan. Yogyakarta: Kansius (Anggota
IKAPI).
Yudho Giri Sucahyo. 2003. Data Mining Menggali
Informasi
Terpendam.
[online].
ikc.dinus.ac.id/populer/yudho-datamining.php.
[diunduh: 20 Pebruari 2011].
Zhou Yong. 2009. An Improved KNN Text
Classification Algorithm Based on Clustering,.
[Online] academypublisher.com/jcp/vol04/no03/
jcp0403230237.pdf. [diunduh: tanggal 5 Mei
2011].
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 2012
261
Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
262
ISBN : 9 7 8- 97 9 - 198 88- 1- 0
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2
ISBN : 978- 979- 19 888 - 1 - 0
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Otomatisasi Klasifikasi Buku Perpustakaan dengan Metode K-NN
Ni Nyomang Emang Smrti1, I. K.G Darma Putra2
1
Program Studi Magister Teknik Elektro Bidang Keahlian Manajemen Informasi dan Komputer, Universitas
Udayana
2
Jurusan Teknologi Informasi, Fakultas Teknik, Universitas Udayana
1
smrti_nyoman@yahoo.com
2
duglaire@yahoo.com
Abstrak
Klasifikasi buku perpustakaan sangatlah penting untuk memudahkan pengunjung dalam pencarian buku.
Dengan memanfaatkan metode yang ada pada data mining khususnya text mining, maka dalam penelitian ini
akan dibangun program aplikasi untuk otomatisasi klasifikasi buku perpustakaan. Metode yang akan digunakan
untuk mengklasifikasi buku perpustaan adalah metode K-Nearest neighborhood (K-NN). Program aplikasi
otomatisasi klasifikasi buku perpustakaan ini dibangun dengan data latih dari buku perpustakaan STMIK
Bandung Bali dan data uji berasal dari beberapa toko buku online yang menyediakan judul buku dan synopsis
buku. Aplikasi yang dibuat mampu mengklasifikasi buku perpustakaan dengan prosentase keberhasilan 55%
dengan jumlah data latih 538 dan 20 data uji.
Kata kunci : klasifikasi, text mining, K-NN
1. Pendahuluan
Jumlah
koleksi
buku
dalam
sebuah
perpustakaan selalu mengalami penambahan bukubuku baru, seperti yang terjadi di STMIK Bandung
Bali. Setiap tahun masing-masing program studi
memiliki anggaran pengadaan buku. Klasifikasi
buku secara manual akan menyulitkan petugas
perpustakaan
khususnya
yang
kurang
berpengalaman. Keterbatasan pengetahuan petugas
memungkinkan
terjadinya
kesalahan
dalam
mengklasifikasi buku serta membutuhkan waktu
yang lama, karena petugas tersebut minimal harus
membaca resensi dan daftar isinya. Untuk itu perlu
ada mekanisme yang cepat dan objektif untuk
klasifikasi koleksi buku perpustakaan.
Permasalahan klasifikasi koleksi buku yang
lebih objektif, akan diselesaikan dalam penelitian
ini dengan memanfaatkan text mining. Definisi dari
text mining adalah menambang data yang berupa
teks dimana sumber data biasanya didapatkan dari
dokumen, dan tujuannya adalah mencari kata-kata
yang dapat mewakili isi dari dokumen sehingga
dapat dilakukan analisa keterhubungan antar
dokumen (Milkha Harlian Ch, 2006).
Banyak metode yang mendukung text mining
salah satunya adalah algoritma K-Nearest Neighbor
(K-NN). Berdasarkan survey paper tahun 2008
algoritma K-NN termasuk dalam 10 algoritma
terpopuler dalam data mining. Hal ini dapat dilihat
dari penelitian yang menyelesaikan masalah
klasifikasi teks, banyak yang memanfaatkan metode
K-NN, antara lain: (1) Pengelompokan Dokumen
Berbahasa Indonesia Menggunakan Metode K-NN
oleh Achmad Ridok dan Muhammad Tanzil Furqon
(2009). (2) Rancang Bangun Sistem Pengelolaan
Dokumen-dokumen Penting Menggunakan Text
Mining oleh Ahmad Hatta Nana Ramadijanti dan
Afrida Helen (2010). (3) Using K-NN Model-based
Approach for Automatic Text Categorization oleh
Gongde Guo dkk (2003). Kesimpulan secara umum
dari penelitian di atas adalah dengan menggunakan
metode K-NN memberikan hasil yang cukup akurat
dengan prosentase keberhasilan sebesar 71,58 %
sampai dengan 83,2 %.
2.
Preprosesing Dokumen
Sebelum proses klasifikasi dilakukan dengan
menggunakan metode K-NN, maka data latih
maupun data uji yang berupa judul buku diolah
terlebih dahulu menjadi data numerik. Tahapan
preposesing ini merupakan tahapan dari text mining
yang harus dilakukan, bila akan menambang
informasi berupa teks.
Menurut Milkha Harlian Ch, (2006) text
mining merupakan menambang data yang berupa
teks dimana sumber data biasanya didapatkan dari
dokumen dan tujuannya adalah mencari kata-kata
yang dapat mewakili isi dari dokumen sehingga
dapat dilakukan analisa keterhubungan antar
dokumen.
Menurut Tan (2009) text mining merupakan
proses mengesktrak petterns dan knowledge yang
bersifat menarik dan penting dari dokumendokumen teks. Pada intinya proses kerja text mining
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 2012
257
Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
sama dengan proses kerja data mining pada
umumnya hanya saja data yang di mining
merupakan text databases.
Di dalam knowladge discovery terdapat tahap
data mining seperti yang telah disebutkan diatas
sebenarnya pada tahap data mining inilah text
mining dijalankan. Jadi pada intinya text mining
adalah istilah yang dipakai oleh data mining yang
mengekstrak data berupa teks.
Tahap-tahap text mining secara umum adalah:
1. Tahap tokenizing adalah tahap pemotongan string
input berdasarkan tiap kata yang menyusunnya.
2. Tahap filtering adalah tahap mengambil kata-kata
penting dari hasil token. Algoritma yang
digunakan adalah algoritma stoplist (membuang
kata yang kurang penting) atau wordlist
(menyimpan kata penting).
3. Tahap stemming adalah tahap mencari root kata
dari tiap kata hasil filtering. Pada tahap ini
dilakukan proses pengembalian berbagai
bentukan kata ke dalam suatu representasi yang
sama. Tahap ini kebanyakan dipakai untuk teks
berbahasa Inggris dan lebih sulit diterapkan pada
teks berbahasa Indonesia.
4. Tahap tagging adalah tahap mencari bentuk
awal/root dari tiap kata hasil stemming.
5. Tahap analizing merupakan tahap penentuan
seberapa jauh keterhubungan antara kata-kata
antar dokumen yang ada. Tahap ini
menggunakan algoritma frekuensi term (TF),
invers document frequency (IDF) dan kombinasi
perkalian antara keduanya (TFxIDF).
(1)
(2)
Gambar 1. Tahapan text mining
Untuk matrik A, jumlah baris berhubungan dengan
jumlah kata M dalam koleksi dokumen.
3.
Metode K-NN
Algoritma K-nearest neighborhood (K-NN)
merupakan algoritma supervised learning yang hasil
klasifikasi data baru berdasar kepada kategori
mayoritas tetangga terdekat ke-K. Tujuan dari
algoritma ini adalah mengklasifikasikan objek baru
berdasarkan atribut dan data training. Algoritma KNN menggunakan klasifikasi ketetanggaan sebagai
prediksi terhadap data baru.
Pada fase pembelajaran, algoritma ini hanya
melakukan penyimpanan vektor-vektor fitur dan
klasifikasi dari data pembelajaran. Pada fase
klasifikasi, fitur-fitur yang sama dihitung untuk data
tes (yang klasifikasinya tidak diketahui). Jarak dari
vektor yang baru ini terhadap seluruh vektor data
pembelajaran dihitung, dan sejumlah k buah yang
paling dekat diambil. Titik yang baru klasifikasinya
diprediksikan termasuk pada klasifikasi terbanyak
dari titik-titik tersebut.
Nilai k yang terbaik untuk algoritma ini
tergantung pada data, pada umumnya nilai k yang
tinggi akan mengurangi efek noise pada klasifikasi,
tetapi membuat batasan antara setiap klasifikasi
menjadi lebih kabur. Nilai k yang bagus dapat dipilih
dengan optimasi parameter, misalnya dengan
menggunakan cross-validation. Kasus khusus di
mana klasifikasi diprediksikan berdasarkan data
pembelajaran yang paling dekat (dengan kata lain, k
= 1) disebut algoritma nearest neighbor. Berikut
rumus pencarian jarak menggunakan rumus
Euclidean Distance
∑
Dari kelima tahapan diatas dapat digambarkan pada
gambar 1.
258
ISBN : 9 7 8- 97 9 - 198 88- 1- 0
(3)
dengan :
x1 = sampel data
x2 = data uji
I = varibel data
d = jarak
p = dimensi data
Ketepatan algoritma KNN ini sangat
dipengaruhi oleh ada atau tidaknya fitur-fitur yang
tidak relevan, atau jika bobot fitur tersebut tidak
setara dengan relevansinya terhadap klasifikasi.
Riset terhadap algoritma ini sebagian besar
membahas bagaimana memilih dan memberi bobot
terhadap fitur, agar performa klasifikasi menjadi
lebih baik.
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2
Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 978- 979- 19 888 - 1 - 0
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Langkah-langkah Algoritma K-nearest neighbors
(K-NN) :
1. Tentukan Parameter K = jumlah tetangga
terdekat.
2. Hitung jarak antara data yang akan ditentukan
klasifikasinya dengan semua sampel pelatihan.
3. Urutkan jarak dan tentukan tetangga terdekat
berdasarkan jarak minimum K.
4. Kumpulkan kategori tetangga terdekat.
Gunakan mayoritas sederhana dari kategori tetangga
terdekat sebagai nilai prediksi dari data yang
ditentutukan klasifikasinya.
5.
Data
Data latih yang digunakan untuk otomatisasi
proses klasifikasi buku perpustakaan sejumlah 538
judul buku dengan jumlah kategori 21 buah, untuk
data yang lebih detil dapat dilihat pada tabel berikut
ini
Tabel 1. Data Latih
Kode Kategori
003.3
004.019
004.028
004.5
004.2
004.3
004.67
004.678
004.68
005.12
005.13
005.268
005.3
005.43
005.74
005.8
006
006.3
006.6
006.7
413
4. Arsitektur Aplikasi Klasifikasi Buku
Gambar 2. Arsitektur Sistem Klasifikasi Buku
Keterangan Gambaran Umum Sistem
1. Masukkan data latih berupa judul buku yang
ada di perpustakaan.
2. Mengubah semua huruf besar menjadi huruf
kecil di setiap data latih.
3. Semua data latih masuk kedalam proses text
mining.
4. Menyimpan data latih ke dalam database.
5. Memasukkan data buku baru sebagai data uji.
6. Mengubah data buku baru yang menggunakan
huruf besar menjadi huruf kecil.
7. Data buku baru masuk kedalam proses text
mining.
8,9 Data buku perpustakaan (sebagai data latih)
yang sudah tersimpan di database digunakan
untuk mengklasifikasi data buku baru (data uji)
yang telah selesai melalui proses text mining.
10. Hasil yang didapatkan adalah data buku baru
yang sudah diklasifikasi dengan metode K-NN.
Jumlah buku
3
4
10
11
6
3
12
11
3
9
11
126
149
57
56
15
14
10
4
19
5
Kategori yang digunakan dalam klasifikasi
buku perpustakaan mengacu pada aturan Dewey
Decimal Classification (DCC).
Data uji yang digunakan sejumlah 20 judul
yang diperoleh dari toko buku online bukukita.com.
6. Hasil Penelitian
Penelitian ini dilakukan melalui dua tahapan
pertama tahap menginputkan data latih dan tahap
yang kedua adalah melakukan pengujian terhadap
data latih yang telah diinputkan.
Tahap pertama memasukkan data latih kedalam
program. Dari tabel 1 dapat dilihat untuk kode
kategori 413 yaitu kategori kamus. Pada
perpustakaan tempat penelitian dilakukan terdapat 5
buah kamus yaitu Kamus Umum Lengkap, Kamus
Indonesia Inggris, Kamus Lengkap InggrisIndonesia & Indonesia Inggris, Kamus Besar Bahasa
Indonesia dan Kamus Apelatif cara praktis temukan
1100 entri istilah pengetahuan. Dari kelima data
tersebut dilakukan proses text mining seperti yang
terlihat pada gambar 1. Setelah melalui proses text
mining maka hasilnya yang didapatkan dapat dilihat
pada tabel 2 berikut ini.
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 2012
259
Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Hasil klasifikasi buku yang didapatkan setelah
data uji diinputkan dapat terlihat pada tabel 4 berikut
ini:
Tabel 2. Hasil Text Mining
hasil
stemmer
ISBN : 9 7 8- 97 9 - 198 88- 1- 0
D1
D2
D3
D4
D5
DF
Apelatif
0
0
0
0
1
1
Bahasa
0
0
0
1
0
1
Besar
0
0
0
1
0
1
Cara
0
0
0
0
1
1
Entri
0
0
0
0
1
1
Indonesia
0
1
2
1
0
4
Inggris
0
1
2
0
0
3
Tabel 4. Hasil Klasifikasi
Data Latih
Distance
Kategori
Hasil
Data-1
0.0331198
005.262
Betul
Data-2
0.00047
005.262
Betul
Data-3
0.0007195
005.262
Betul
Istilah
0
0
0
0
1
1
Data-4
0.0004274
005.262
Betul
Kamus
1
1
1
1
1
5
Data-5
0.0004239
005.3
Betul
Lengkap
1
0
1
0
0
2
Tahu
0
0
0
0
1
1
Data-6
0.0011918
005.262
Betul
Data-7
0.0007973
005.262
Betul
Data-8
0.0007973
005.3
Betul
Data-9
0.0006468
005.3
Betul
Data-10
0.0005611
005.262
Salah
Data-11
0.0007195
005.3
betul
Data-12
0.0004559
005.3
betul
Data-13
0.0004286
005.262
salah
Data-14
0.0005542
005.262
betul
Data-15
0.0004948
005.262
salah
Data-16
0.0012971
005.262
salah
Data-17
0.0007107
005.262
salah
Data-18
0.0006752
005.262
betul
Data-19
0.000394
005.262
salah
Data-20
0.0004559
005.262
salah
Praktis
0
0
0
0
1
1
Temu
0
0
0
0
1
1
Umum
1
0
0
0
0
1
Keterangan:
D1 sampai dengan D5 merupakan data 1 sampai
dengan data 5 dari data latih yang diinputkan ke
dalam program kemudian angka yang ada pada
koordinat menunjukkan jumlah kata yang muncul
pada setiap data.
DF adalah document frequency.
Setelah didapatkan nilai DF maka dilanjutkan
perhitungan IDF (Invers document frequency) dan
TF (frekuensi term) dikalikan dengan IDF yang
terlihat pada tabel 3 berikut ini:
Tabel 3. Hasil perhitungan TF-IDF
Dari 20 data uji 11 data buku diklasifikasi
dengan benar dan 9 data buku salah. Jadi tingkat
akurasi yang didapat dari penelitian ini adalah 55%.
Tahap kedua menginputkan 20 data uji
kedalam program. Seperti terlihat pada gambar 1,
data uji ini juga melalui proses text mining sebelum
dilakukan klasifikasi dengan menggunakan metode
K-NN.
7. Kesimpulan
Setelah dilakukan pengujian terhadap data
buku baru, maka kesimpulan yang dapat ditarik
adalah metode K-NN ini memiliki (1) presentase
keberhasilan 55%. (2) Keberhasilan klasifikasi buku
dipengaruhi proses text mining. (3) Banyaknya judul
buku yang memiliki kata yang sama, menyumbang
penurunan tingkat akurasi pada proses klasifikasi.
Daftar Pustaka:
Ahmad Hatta, Nana Ramadijanti dan Afrida. 2007.
Rancang
Bangun
Sistem
Pengelolaan
260
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2
Pro sid ing : SEMINA R NA SIO NA L 2012
ISBN : 978- 979- 19 888 - 1 - 0
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
Dokumen-dokumen Penting Menggunakan Text
Mining, Proyek Akhir, Institut Teknologi
Sepuluh
Nopember.
[Online]
http://digilib.its.ac.id/public/ITSUndergraduate-14856-cover-idpdf.pdf,
2010.
[di unduh tanggal 1 Desember 2011]
Ahmad Ridok dan Muhammad Tanzil Furqon. 2009.
Pengelompokan Dokumen Berbahasa Indonesia
Menggunakan
Metode
K-NN..
[Online]
http://matematika.ub.ac.id/web/cms/index2.php?
option=com_docman&task=doc_view&gid=319
&Itemid=76. [di unduh tanggal 1 Desember
2011]
Ari Fadli, Konsep Data Mining. 2011. [Online]
ilmukomputer.org/wpcontent/uploads/2011/03/Ari_Fadli_Konsep_Dat
a_Mining.pdf [di unduh tgl 22 Nopember 2011].
Atri Nurani, Budi Susanto, Umi Proboyekti. 2007.
Implementasi Naive Bayes Classifier Pada
Program Bantu Penentuan Buku Referensi
Matakuliah.
[Online]
ti.ukdw.ac.id/ojs/index.php/informatika/article/d
ownload/60/12. [diunduh 19 Pebruari 2011].
Efraim Turban, Jay E. Aronson, Ting-Peng Liang.
2005. Decision Support Systems and Intelligent
Systems. Yogyakarta: Andi.
Fadillah Z. Tala, A Study of Stemming Effect on
Information Retrieval in Bahasa Indonesia,
Netherland, Universiteit van Amsterdam,
http://ucrel.lancs.ac.uk/acl/P/P00/P00-1075.pdf,
diakses terakhir tanggal 25 Juli 2009.
Gongde Guo, Hui Wang, David Bell, Yaxin Bi and
Kieran Greer. 2003. Using K-NN Model-based
Approch for Automatic Text Categorization,
School of Computing and Mathematics,
University of Ulster Newtownabbey. [Online].
officeobjects.info/publications/%5BGuo2003a%
5D.pdf. [diunduh tanggal 20 Pebruari 2011].
Heri Kurniawan, Rizal Fathoni Aji. 2006.
Otomatisasi
Pengelompokkan
Koleksi
Perpustakaan Dengan Pengukuran Cosine
Similarity Dan Euclidean Distance, [Online]
Journal.uii.ac.id/index.php/Snati/article/view/15
99/1374. [diunduh: tanggal 15 April 2011].
Hearst, M. 2004. What is text mining. [online].
sims.berkeley.edu/~hearst/
textmining.html,
[diunduh: 30 Nopember 2011].
Helmi Harniawati. 2007.
“Image Clustering
Berdasarkan Warna untuk Identifikasi Buah
dengan Metode Valley Tracing” (Proyek akhir).
Surabaya: Institut Teknologi Sepuluh Nopember.
Iko Pramudiono. 2003. Pengantar Data Mining:
Menambang Permata Pengetahuan di Gunung
Data. [online], http://ikc.depsos.go.id/umum/ikodatamining.php. [diunduh: tanggal 15 April
2011]
Kusrini, Emha Taufiq Luthfi. 2009. Algoritma Data
Mining. Yogyakarta: Andi.
Michael J. A. Berry and Gordon S. Linoff. 2004.
Data Mining Techniques For Marketing, Sales,
and Customer Relationship Management. United
States of America.
Milkha Harlian Ch. 2006. Text Mining. [online]
kesehatankerja.depkes.go.id/downloads/6Text%2
0Mining.pdf [diunduh: tanggal 30 Nopember
2011].
Sheni Wahyuni. 2010. Penerapan Text Mining
Untuk Automatic Book Classification Dengan
Metode
Naive
Bayes.
[Online].
http://elib.unikom.ac.id/gdl.php?mod=browse&o
p=read&id=jbptunikompp-gdl-sheniwahyu18589. [diunduh: tanggal 15 April 2011].
Thorsten Joachims. 2002. Classify Text Using
Support Vector Machines. America.
Tawa P. Hamakonda, Mls & J. N. B Tairas. 2008.
Pengantar Klasifikasi Persepuluhan Dewey.
Cetakan ke – 18. Jakarta.
Turban, E., dkk, 2005, Decision Support System and
Intelligent System, Yogyakarta: Andi.
Wahyu Supriyanto, Ahmad Muhsin. 2008. Informasi
Perpustakaan. Yogyakarta: Kansius (Anggota
IKAPI).
Yudho Giri Sucahyo. 2003. Data Mining Menggali
Informasi
Terpendam.
[online].
ikc.dinus.ac.id/populer/yudho-datamining.php.
[diunduh: 20 Pebruari 2011].
Zhou Yong. 2009. An Improved KNN Text
Classification Algorithm Based on Clustering,.
[Online] academypublisher.com/jcp/vol04/no03/
jcp0403230237.pdf. [diunduh: tanggal 5 Mei
2011].
Jurusa n Te knik Ele ktro UNRA M – Ma ta ra m , 17 Juli 2012
261
Pro sid ing : SEMINA R NA SIO NA L 2012
”Te knik Ele ktro Da n Info rm a tika Da la m Pe ng e m b a ng a n Te kno lo g i Be rke la njuta n”
262
ISBN : 9 7 8- 97 9 - 198 88- 1- 0
Jurusa n Te knik Ele ktro UNRA M - Ma ta ra m , 17 Juli 201 2