Ifra, Mutiara Julia (2023) Implementasi Algoritma Agglomerative Hierarchical Clustering (AHC) Guna Pengelompokan Data Media Monitoring Geopark Ciletuh. Tugas Akhir (S1) - thesis, UNIVERSITAS BAKRIE.
Preview |
Text (Cover)
00. Cover.pdf - Submitted Version Download (765kB) | Preview |
![[thumbnail of BAB I-III]](https://repository.bakrie.ac.id/style/images/fileicons/text.png) |
Text (BAB I-III)
01. BAB I-III.pdf - Submitted Version Restricted to Registered users only Download (857kB) |
|
Text (BAB IV)
02. BAB IV.pdf - Submitted Version Restricted to Registered users only Download (650kB) |
|
Text (BAB V)
03. BAB V.pdf - Submitted Version Restricted to Registered users only Download (116kB) |
Preview |
Text (Daftar Pustaka)
04. Daftar Pustaka.pdf - Submitted Version Download (151kB) | Preview |
|
Text (Lampiran)
05. Lampiran.pdf - Submitted Version Restricted to Registered users only Download (240kB) |
Abstract
Setiap perusahaan atau organisasi membutuhkan kegiatan media monitoring dalam hal membangun, mengembangkan dan mempertahankan reputasi citra perusahaan. Dalam melakukan kegiatan media monitoring, Wisata Geopark Ciletuh memiliki praktisi Public Relation (PR) yang bertugas untuk melaksanakan kegiatan media monitoring. Praktisi Public Relation (PR) Geopark Ciletuh melakukan identifikasi dan analisis berita secara manual. Penelitian ini mengusulkan dua algoritma machine learning untuk melakukan analisis berita dalam clustering menjadi lebih efektif dan efisien. Algoritma yang digunakan yaitu Agglomerative Hierarchical Clustering (AHC) dan K-Means serta Euclidean Distance sebagai metode untuk mengukur kemiripan antar teks dalam proses clustering terhadap tema berita dan isi berita. AHC diimplementasikan dengan menggunakan tiga parameter yaitu single linkage, average linkage dan complete linkage. Hasil penelitian dengan algoritma AHC dengan parameter jarak single linkage menghasilkan cluster sebanyak dua cluster, average linkage menghasilkan cluster sebanyak dua cluster dan complete linkage menghasilkan cluster sebanyak dua cluster. Sedangkan algoritma K-means menghasilkan cluster sebanyak tiga cluster. Dalam menentukan metode pengelompokan paling baik dari akurasi yang didapatkan. Algoritma AHC pada parameter average linkage dengan euclidean distance memperoleh rata-rata tertinggi dengan nilai silhouette sebesar 0.65. Sedangkan Algoritma K-means dengan euclidean distance memperoleh rata-rata tertinggi dengan nilai silhouette sebesar 0.57.
| Item Type: | Thesis (Tugas Akhir (S1) - ) |
|---|---|
| Uncontrolled Keywords: | Agglomerative Hierarchical Clustering, Single Linkage, Average Linkage, Complete Linkage, K-Means, Euclidean Distance, Silhouette Coefficient |
| Subjects: | Computer Science > Informatics Communication Science > Public Relations Thesis > Thesis (S1) |
| Divisions: | Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika |
| Depositing User: | Mutiara Julia Ifra |
| Date Deposited: | 28 Aug 2023 02:22 |
| Last Modified: | 28 Aug 2023 02:22 |
| URI: | https://repository.bakrie.ac.id/id/eprint/8180 |
Actions (login required)
 |
View Item |