Implementasi Algoritma Agglomerative Hierarchical Clustering (AHC) Guna Pengelompokan Data Media Monitoring Geopark Ciletuh

Ifra, Mutiara Julia (2023) Implementasi Algoritma Agglomerative Hierarchical Clustering (AHC) Guna Pengelompokan Data Media Monitoring Geopark Ciletuh. Tugas Akhir (S1) - thesis, UNIVERSITAS BAKRIE.

[thumbnail of Cover]
Preview
Text (Cover)
00. Cover.pdf - Submitted Version

Download (765kB) | Preview
[thumbnail of BAB I-III] Text (BAB I-III)
01. BAB I-III.pdf - Submitted Version
Restricted to Registered users only

Download (857kB)
[thumbnail of BAB IV] Text (BAB IV)
02. BAB IV.pdf - Submitted Version
Restricted to Registered users only

Download (650kB)
[thumbnail of BAB V] Text (BAB V)
03. BAB V.pdf - Submitted Version
Restricted to Registered users only

Download (116kB)
[thumbnail of Daftar Pustaka]
Preview
Text (Daftar Pustaka)
04. Daftar Pustaka.pdf - Submitted Version

Download (151kB) | Preview
[thumbnail of Lampiran] 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 View Item