PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN

Transkripsi

1 PENENTUAN KELAS DENGAN NEAREST NEIGHBOR CLUSTERING DAN PENGGUNAAN METODE NAÏVE BAYES UNTUK KLASIFIKASI DOKUMEN Handry Wardoyo 1 Jeanny Pragantha Vny Chrstant M Teknk Informatka Unverstas Tarumanagara Jl. S. Parman No.1, Jakarta Indonesa emal : 1 handry.wardoyo@yahoo.com, eanny11440@yahoo.com, 3 vny@untar.ac.d ABSTRACT Clusterng s a process of groupng documents that wll form nto several classes. The dfference between clusterng wth classfcaton s the classfcaton wll determne the class of the new document and the result s the new document wll be oned nto one class. In ths research, clusterng or groupng s used to group documents nto classes based on threshold values. Several experment s conducted to get the optmal threshold value. The optmal threshold wll be used to tran data clusterng for nave bayes. The results of nave bayes tranng s used to determne the class of new document n testng phase. Results of clusterng and classfcaton depends on the words n the document, the narrower the dscusson, the more accurate the results obtaned from clusterng and classfcaton. Key words Classfcaton, Clusterng, Naïve Bayes, Nearest Neghbor, Threshold 1. Pendahuluan Searchng atau pencaran adalah kegatan yang serng dlakukan setap har. Msalnya dalam pencaran buku d perpustakaan yang memlk rbuan buku. Past akan sult apabla mencar sebuah buku dalam tumpukan bukubuku yang umlahnya rbuan. Tetap karena buku-buku yang berumlah rbuan tu sudah dkelompokkan maka pencaran menad lebh mudah. Masalah pengelompokan serng uga terad dalam dokumen-dokumen yang ada d dalam komputer. Terutama ka banyak dokumen yang belum sempat drapkan sehngga hanya dletakkan d desktop atau d folder My Document. Pada saat dbutuhkan, dokumendokumen tersebut akan lebh mudah dcar apabla dokumennya sudah tersusun rap dalam folder-folder yang sudah dkelompokkan. Salah satu metode untuk pengelompokan atau clusterng yang serng dgunakan yatu Nearest Neghbor. Prnspnya yatu mencar tetangga palng terdekat atau dokumen yang palng mrp dengan menghtung probabltas kemrpan antar dokumen. yang yang danggap mrp akan bergabung menad satu kelompok atau cluster. Proses pengelompokan dlakukan satu kal untuk mendapatkan kelas-kelas dar semua dokumen. baru yang akan dtambahkan nantnya akan dklasfkaskan ke dalam kelas yang sudah dbuat. Klasfkas tdak dapat dlakukan apabla dokumen belum memlk kelas, oleh karena tu dengan bantuan clusterng Nearest Neghbor maka dokumen dapat dkelompokkan ke kelasnya masng-masng. Apabla dokumennya hanya dkelompokkan sekal maka dokumen baru harus dklasfkaskan secara manual. Klasfkas secara manual akan memakan waktu lama karena dokumen pada setap kelas harus dbaca terlebh dahulu agar dapat dketahu s dokumen dar kelas tersebut. Oleh karena tu dbutuhkan klasfkas secara otomats agar dapat mempersngkat waktu klasfkas. Salah satu metode klasfkas secara otomats yang dapat dgunakan adalah adalah metode Nave Bayes. Proses pengelompokan dengan Nearest Neghbor akan menghaslkan beberapa kelas yang akan dgunakan sebaga tranng untuk metode Nave Bayes. Kemudan pada tahap testng dokumen-dokumen yang baru akan dklasfkaskan ke dalam kelas dengan probabltas palng tngg.. Clusterng dan Klasfkas Langkah-langkah peneltan clusterng dan klasfkas yang akan dlakukan dapat dlhat pada gambar 1. 79

2 Gambar 1 Tahapan Peneltan Tahapan yang akan dlakukan sesua dengan gambar 1 yatu: 1. Pada tahap awal kumpulan dokumen akan dbag menad dua kelompok. Kelompok pertama akan dgunakan untuk clusterng dan uga sebaga data tranng. Kelompok kedua akan dgunakan untuk testng dengan klasfkas Nave Bayes. Pembagan dokumen akan dlakukan secara acak dengan umlah dokumen berdasarkan ekspermen yang akan dlakukan.. Tahap kedua proses yang harus dlakukan sebelum dlakukan clusterng dan klasfkas yatu preprocessng. Proses preprocessng untuk dokumen Tranng dan dokumen Testng akan dlakukan secara terpsah karena frekuens kata yang dar keseluruhan dokumen tranng dan testng berbeda. Preprocessng pada dokumen tranng akan dlakukan proses tokenzng, stop word removng, stemmng, ndexng, perhtungan TF*IDF dan terakhr normalsas.. Hasl normalsas akan dgunakan untuk perhtungan arak Eucldean Dstance untuk proses clusterng. Untuk dokumen testng akan dlakukan preprocessng dar tokenzng, stop word removng, stemmng, sampa ndexng. Dar hasl ndeks akan dgunakan untuk menghtung umlah kemunculan kata dalam proses testng metode Nave Bayes. 3. Tahap ketga akan melakukan proses pengelompokan pada keseluruhan dokumen yang dgunakan untuk tranng. Pengelompokan menggunakan Nearest Neghbor membutuhkan perhtungan arak antar dokumen. Untuk perhtungan arak menggunakan persamaan Eucldean Dstance. Clusterng akan menghaslkan beberapa folder yang bers dokumen yang sudah dkelompokkan. Setap folder menyatakan setap kelas atau cluster dan s dokumen pada satu folder merupakan satu kumpuluan dokumen yang mempunya arak palng dekat. Penentuan suatu dokumen untuk bergabung menad satu kelas dtentukan oleh threshold atau batasan. Suatu dokumen akan menad satu kelas apabla nla arak yang dperoleh antar kedua dokumen mempunya nla d bawah threshold. yang mempunya nla d atas threshold akan berpsah dan menad kelas yang baru. 4. Tahap keempat yatu tahap tranng, data yang dgunakan adalah data dar hasl clusterng Nearest Neghbor dengan akuras terbak berdasarkan hasl evaluas clusterng. Dar setap kelompok dokumen hasl dar clusterng akan dhtung rata-rata ftur dokumen untuk mempelaar cr khas dar setap kelompok dokumen. Hasl dar tahap tranng akan dgunakan untuk testng penentuan kelas Nave Bayes. 5. Tahap kelma yatu testng, akan dlakukan ucoba dar hasl tranng sebelumnya. Tahap n akan mengklasfkaskan semua dokumen yang dgunakan untuk testng. Setap dokumen akan dhtung probabltasnya untuk masuk ke salah satu kelas hasl clusterng. 6. Tahap akhr dar peneltan yatu tahap evaluas. Tahap n bertuuan menghtung akuras dar hasl clusterng dan klasfkas. Kedua proses tersebut mempunya cara yang berbeda dalam perhtungan akuras. Perhtungan akuras clusterng akan dlakukan dengan mencar nla kemurnan atau purty. Evaluas clusterng akan dlakukan setelah ddapat kelas-kelas dar proses clusterng. Evaluas clusterng dlakukan terlebh dahulu untuk menentukan akuras terbak dar clusterng yang nantnya akan dgunakan untuk tranng Nave Bayes. Evaluas n akan membandngkan hasl clusterng otomats dengan clusterng manual. Clusterng manual dlakukan dengan cara member label pada kelas sesua dengan yang dharapkan. Perhtungan akuras klasfkas 80

3 akan dlakukan dengan membandngkan hasl klasfkas dokumen yang benar dengan umlah keseluruhan dokumen yang dklasfkaskan. Hasl perhtungan akuras klasfkas adalah persentas keakuratan dengan arak antara [0,100]..1. Preprocessng Proses awal dar preprocessng yatu tokenzng, proses n memecah kata agar mudah dproses oleh sstem. Proses selanutnya proses pembuangan stopword atau kata umum, dlakukan untuk mempersngkat proses pengelompokan dan klasfkas karena kata-kata umum tdak memlk makna sehngga tdak memberkan pengaruh yang besar dalam proses pengelompokan dan klasfkas. Setelah pembuangan stopword, setap kata akan dlakukan pemotongan mbuhan dengan menggunakan algortma Nazef dan Adran. Algortma Bobby Nazef dan Mrna Adran memlk keakuratan palng tngg dbandngkan dengan algortma stemmng yang lannya [6]. Tetap dalam prosesnya, algortma n memerlukan waktu yang lebh lama dar algortma lannya karena ada beberapa kata yang harus dbandngkan dar daftar kata. Proses selanutnya yatu perhtungan bobot dlakukan dengan menghtung frekuens kata dalam dokumen dan menghtung nla Turn Frequens (TF dengan persamaan 1 [1] dan dkalkan dengan Inverse Frekuens (IDF dalam persamaan [1]. Hasl yang ddapat akan dnormalsaskan dengan persamaan 3 [1]. w( word = TotalDocument IDF( word = log...(1 DocumentFrequency w word = TF( word * IDF( word...( ( w( word w ( word + w ( word.. Nearest Neghbor w ( word n...(3 Nearest Neghbor adalah salah satu algortma yang dgunakan dalam clusterng dengan pendekatan parts dan merupakan algortma clusterng yang palng sederhana karena algortma n hanya berdasarkan pada tetangga terdekat dar suatu obek [3]. Algortma n membandngkan arak antar dokumen dan arak terdekat akan dambl dan dbandngkan dengan nla threshold. Apabla arak kedua dokumen tersebut kurang dar nla threshold maka keduanya akan bergabung menad satu kelas dan apabla nla arak lebh dar nla threshold maka dokumen yang dbandngkan akan membuat kelas baru. Algortma Nearest Neghbor [3] yatu: 1. Set 1 dan k 1. x 1 dmasukkan ke dalam cluster C 1.. Set +1. Car tetangga terdekat x. d m akan menentukan arak x dengan tetangga terdekat. Dasumskan tetangga terdekatnya adalah m. 3. Jka d m t, maka C m x. Jka tdak, maka k k+1 dan masukkan x ke dalam cluster baru yatu C k. 4. Jka semua pola sudah bergabung dengan cluster maka proses berhent. Jka belum maka lanutkan ke langkah..3. Eucldean Dstance Proses Eucldean Dstance adalah proses yang akan dgunakan untuk perhtungan arak antar dokumen. Jarak n akan dgunakan dalam clusterng Nearest Neghbor untuk membandngkan arak antar dokumen dengan nla threshold. Persamaan 4 [] adalah persamaan yang dgunakan untuk menghtung arak antar dokumen. d ( x, y ( x1 y1 + ( x y ( x p y p =...(4 Keterangan: (x,y = arak dokumen x dan y Perhtungan Eucldean Dstance menggunakan bobot yang dperoleh dar proses preprocessng. Bobot dokumen x akan dkurang dengan bobot dokumen y kemudan dpangkat dan hasl akarnya akan dperoleh arak antara dokumen x dan y..4. Naïve Bayes Nave Bayes merupakan suatu metode klasfkas yang mengasumskan bahwa setap kata adalah ndependent atau dapat dartkan bahwa setap kata tdak tergantung dar kata yang lan [4]. Metode n memanfaatkan teor probabltas yang dkemukakan oleh lmuwan Inggrs Thomas Bayes, yatu mempredks kemungknan yang akan muncul dengan berdasarkan pengalaman yang ddapat sebelumnya [4]. Kelebhan dar metode Nave Bayes adalah metode n hanya membutuhkan sedkt data tranng agar dapat mengestmas kelas dokumen yang akan dklasfkas. Ada proses utama yang dlakukan algortma Naïve Bayes dalam penentuan kelas, yatu tahap tranng dokumen dan testng dokumen Tranng Naïve Bayes Tranng Naïve Bayes akan menggunakan data dar hasl clusterng Nearest Neghbor. Dar masng-masng kelas yang dperoleh hasl clusterng akan dhtung probabltas tap kelas dan kata dalam kelas dengan persamaan 5 dan persamaan 6 [5]. 81

4 wk P ( c = xk...(5 nk + 1 P( wk c = n+ kosakata...(6 Keterangan: w k = umlah kata pada kategor k. x k = umlah seluruh kata yang dgunakan sebaga tranng. n k = umlah kemunculan kata w k pada kategor c. n = umlah semua kata pada kategor c. kosakata = umlah kata pada semua data tranng..4.. Testng Naïve Bayes Setelah proses tranng maka akan dlakukan proses testng Naïve Bayes untuk menentukan kelas dar suatu dokumen. Proses testng Naïve Bayes dhtung dengan persamaan 7 [5]. v MAP d = P( wk c 1, = arg max P( c...(7 Algortma Naïve Bayes secara keseluruhan yatu: 1. Pada setap kelas lakukan: a. Htung P c dengan persamaan 5. ( b. Htung P w k c untuk setap kata W k dengan ( persamaan 6.. Htung V map dengan persamaan 7 dan hasl tertngg dar setap kelas akan menad kelas dar dokumen baru. Hasl dar testng Naïve Bayes yatu dokumen yang dgunakan sebaga testng akan bergabung ke salah satu kelas hasl clusterng Nearest Neghbor. 3. Implementas Spesfkas komputer yang dgunakan dalam menalankan sstem yatu: Sstem Operas : Wndows 7 Ultmate RAM : 4GB Processor : Intel Core 5-430M GHz Perangkat Lunak : Vsual Basc.NET 4. Hasl Percobaan Ada 3 percobaan yang dlakukan dalam peneltan. Ketga percobaannya yatu: 1. Percobaan 1, yatu percobaan penentuan nla threshold. Pada saat melakukan clusterng nla threshold akan dtentukan berksar antara 0.5 sampa dengan 1.5. Ekspermen n akan menggunakan 100 dokumen untuk dkelompokkan dan hasl clusterng dengan nla threshold yang optmal akan devaluas dengan menghtung akuras dar cluster. Perhtungan akuras dengan nla threshold yang optmal akan dlakukan sebanyak 10 kal. Hasl ekspermen 10 kal akan dhtung rata-rata akuras dan umlah cluster yang dperoleh. Tuuan dar percobaan n adalah untuk mencar nla threshold yang optmal. Daftar ekspermen percobaan 1 dapat dlhat pada tabel 1. Tabel 1 Ekspermen Clusterng Percobaan 1 Ekspermen Threshold Percobaan, yatu percobaan klasfkas. Nla threshold yang optmal yang dperoleh dar percobaan 1 akan dgunakan untuk mengelompokan dokumen yang akan dgunakan sebaga data tranng Naïve Bayes. Kemudan akan dlakukan testng dokumen baru dan dhtung nla akuras yang ddapat. Daftar ekspermen percoban dapat dlhat pada tabel. Tabel Ekspermen Klasfkas Percobaan Ekspermen Testng Tranng Percobaan 3 akan dlakukan ekspermen. Setap ekspermen akan mengelompokan 100 dokumen yang terdr dar 5 kategor dan kemudan dlakukan proses klasfkas dengan 5 dokumen testng yang terdr dar 5 kategor. Ekspermen I akan menggunakan 5 kategor dan setap kategor membahas topk yang berbeda-beda. Ekspermen II akan menggunakan 5 kategor yang dokumennya dseleks terlebh dahulu sehngga setap kategor hanya membahas satu topk. dokumen yang dgunakan dalam percobaan 3 dapat dlhat pada tabel 3. No. Tabel 3 dokumen percobaan 3. Kategor Tranng Testng 1 Ekonom 0 5 Entertanment Kesehatan 0 5 8

5 4 Olahraga Poltk Hasl Penguan Hasl Percobaan 1 Hasl percobaan pertama yang dlakukan yatu percobaan untuk menentukan nla threshold yang optmal. Hasl yang dperoleh dar percobaan n dapat dlhat pada grafk gambar. Cluster Nla Thresold Gambar Hasl Clusterng 100 Dengan Threshold Dar hasl percobaan pada gambar ddapat kesmpulan apabla nla threshold semakn rendah maka umlah kelas yang ddapat semakn banyak sebalknya nla threshold semakn tngg maka umlah kelas yang ddapat semakn berkurang hngga akhrnya semua dokumen akan bergabung menad satu kelas. Percobaan d atas dar nla threshold antara 1.3 sampa 1.4 sebaga nla threshold yang optmal dengan umlah cluster berksar antara 76 sampa 14, sehngga dlakukan percobaan clusterng dengan threshold Hasl percobaan dapat dlhat pada grafk gambar 3. Cluster Nla Threshold Gambar 3 Hasl Clusterng 100 Dengan Threshold Hasl penguan pada Gambar 3 menggambarkan nla threshold tertngg adalah 1.4 untuk 100 dokumen karena dar 1.4 dan seterusnya umlah cluster yang ddapat adalah satu. Dar hasl n uga akan du hasl clusterng dengan nla threshold 1.37 sampa Nla n dplh karena umlah cluster yang ddapat sudah cukup optmal yatu antara 48 cluster sampa 7 cluster. Penguan berkutnya adalah dengan nla threshold 1.37 sampa 1.41 sebanyak 10 ekspermen dan akan 76 dhtung akuras dar clusterng dengan cara menghtung umlah dokumen yang masuk pada kategor yang kurang tepat. Apabla dalam satu cluster terdapat dua dokumen yang tdak berhubungan maka akan dhtung satu kesalahan. Hasl akuras rata-rata 10 ekspermen clusterng dengan nla threshold 1.37 sampa 1.41 dapat dlhat pada tabel 4. Tabel 4 Hasl 10 Ekspermen Clusterng 100 Dengan Threshold Ratarata No. Threshold Cluster Kesalahan Akuras % % % % % Dar hasl peneltan pada tabel 4, akan dambl nla threshold yang d tengah yatu 1.39 karena nla n yang palng mendekat nla rata-rata dar percobaan pada tabel 4. Nla 1.39 nantnya akan dgunakan untuk clusterng dokumen yang akan menad data tranng Naïve Bayes Hasl Percobaan Percobaan berkut adalah percobaan kedua, dlakukan untuk menghtung akuras klasfkas yang ddapat dengan menggunakan data tranng dar hasl clusterng Nearest Neghbor. Percobaan dmula dengan mengklasfkaskan dokumen menggunakan data tranng dar kelas hasl clusterng Nearest Neghbor dengan nla threshold Hasl dar klasfkas menggunakan 100 dan 50 dokumen testng dapat dlhat pada tabel 5. No. Tabel 5 Hasl Percobaan dengan menggunakan 100 dan 50 Testng. Tranng Cluster yang ddapat dokumen testng Kesalahan Akuras % % % % % Hasl rata-rata yang dperoleh untuk akuras clusterng yatu 85.3% dan 88.8% untuk klasfkas. Dar hasl percobaan n terlhat perbedaan yang tdak terlalu sgnfkan walaupun umlah dokumen tranng yang dgunakan berbeda-beda. 83

6 Hasl Percobaan 3 Percobaan terakhr yatu percobaan clusterng dan klasfkas dokumen dengan menggunakan dokumen yang dplh. Percobaan n dlakukan untuk membandngkan ekspermen. Ekspermen pertama terdr dar 15 dokumen yang terbag menad 5 kategor yang setap kategornya membahas masalah yang berbeda. Ekspermen kedua terdr dar 15 dokumen yang terbag menad 5 dan setap kategor dokumennya sudah dplh agar memlk pembahasan dalam lngkup yang lebh sempt. Msalnya dalam kategor kesehatan hanya dambl pembahasan tentang det. Setelah tu dlakukan proses clusterng dan haslnya dapat dlhat pada tabel 6. No Nama Ekspermen Tabel 6 Tabel Hasl Percobaan 3 Threshold Cluster Akuras 1 Ekspermen I % Ekspermen II % Hasl ekspermen pertama memberkan hasl akuras yang kurang bak karena dokumen yang dgunakan untuk setap kategornya dambl secara acak sehngga pada setap kategor yang bers 0 dokumen snya membahas lebh dar satu topk. Selan tu nla threshold yang dbutuhkan untuk memperoleh 5 cluster adalah yang sudah tergolong tngg sehngga beberapa dokumen yang tdak relevan dapat bergabung menad satu kelas. Ekspermen kedua menggunakan dokumen yang dseleks terlebh dahulu dan memberkan hasl yang maksmal yatu 100%. Ekspermen kedua mendapatkan hasl yang bak karena dokumen yang dgunakan dalam ekspermen n sudah dseleks sehngga pada setap kategor memlk 0 dokumen yang hanya membahas satu topk. Nla threshold yang dbutuhkan untuk mendapatkan 5 kelas yatu Penguan selanutnya akan melakukan proses klasfkas dengan menggunakan 100 data tranng hasl dar ekspermen I dan II. testng yang akan dgunakan pada data hasl ekspermen I adalah 5 dokumen yang terdr dar 5 kategor dengan setap kategor membahas lebh dar satu topk. testng yang akan dgunakan pada data hasl ekspermen II adalah 5 dokumen yang terdr dar 5 kategor yang setap kategor hanya membahas satu topk. Hasl penguan n dapat dlhat pada tabel 7. No. Tabel 4 Hasl Klasfkas Ekspermen I dan II Nama Ekspermen Tranng Testng Akuras 1 Ekspermen I % Ekspermen II % Hasl akuras yang ddapat untuk ekspermen I adalah 68%. Kesalahan terad karena pada setap kelas terdapat lebh dar satu kategor sehngga pada saat testng ada kemungknan untuk bergabungnya kategor lan ke dalam kelas tersebut. Ekspermen II mendapat hasl yang akurat yatu 100% karena setap kelas hanya terdr dar satu kategor, dan dokumen testng yang dgunakan hanya membahas satu topk untuk setap kategornya sehngga probabltasnya sangat tngg untuk bergabung ke kelas yang tepat. 4.. Pembahasan Hasl percobaan dengan akuras terbak yang dperoleh pada percobaan 1 dengan nla threshold dengan rata-rata akuras 9.8% tetap umlah cluster yang ddapat yatu 4. n tergolong kurang efsen dalam hal pengelompokan. Sebalknya pada saat umlah cluster 7 dengan threshold 1.41, maka akuras yang ddapat terlalu rendah. Oleh karena tu akan dambl nla tengahnya yatu dengan threshold 1.39 sehngga dperoleh 31 cluster dan rata-rata akuras yang cukup bak, yatu 87.1%. Nla threshold 1.39 dgunakan dalam percobaan sebaga nla threshold untuk data tranng Naïve Bayes. Dar hasl percobaan nla akuras klasfkas tertngg adalah 91% dengan data tranng 100 dokumen. Kesalahan yang terad karena dalam cluster hasl clusterng banyaknya dokumen bervaras, sehngga probabltas cluster yang palng tngg adalah cluster dengan dokumen terbanyak. Banyak dokumen dalam cluster bervaras karena walaupun dokumen dalam masng-masng kategor yang akan dkelompokkan umlahnya sama tetap dalam setap kategor tersebut topk pembahasan setap dokumen berbeda-beda. Msalnya dalam kategor olahraga terdapat dokumen yang membahas basket dan ada uga yang membahas bulu tangks. Perbedaan n mempengaruh s kata yang ada dalam dokumen sehngga pada saat proses pengelompokan kedua dokumen n kemungknan tdak akan bergabung menad satu kelas. Tetap apabla kedua dokumen bers katakata yang sama msalnya kata skor yang umum dgunakan dalam kategor olahraga, maka kedua dokumen n dapat bergabung menad satu kelas. Percobaan 3 dlakukan percobaan dengan menentukan umlah cluster adalah 5 dan pada ekspermen I menggunakan data tranng dengan kategor yang dseleks, agar setap kategor hanya membahas satu topk dan hasl yang ddapat sangat akurat yatu 100%, dengan nla threshold untuk mendapat 5 cluster. Sebalknya pada ekspermen II dengan menggunakan 5 kategor dengan setap kategor membahas topk yang berbeda, hasl yang ddapatkan kurang bak yatu 46% dan nla threshold yang dbutuhkan untuk mendapatkan 5 kelas yatu

7 Hasl akuras klasfkas pada percobaan 3 dengan menggunakan data hasl ekspermen I kurang bak yatu 68% karena pada setap kelas yang akan dtranng memlk lebh dar satu kategor sehngga pada saat proses testng probabltas dokumen untuk bergabung ke kelas yang salah lebh tngg. Sebalknya pada ekspermen II, hasl akuras yang ddapat sangat bak yatu 100% karena data tranng yang dgunakan setap kelasnya hanya membahas satu topk sehngga pada tahap testng haslnya akurat. Kesmpulan dar seluruh percobaan adalah penggunaan kata-kata dalam dokumen sangat mempengaruh hasl pengelompokan dan klasfkas. Sehngga dokumen hanya akan bergabung apabla memlk kemrpan dalam penggunaan kata-kata atau stlah meskpun topknya berbeda. 5. Kesmpulan Kesmpulan yang dperoleh dar peneltan n adalah: 1. Hasl pengelompokan terbak yatu ekspermen dengan menggunakan dokumen yang dseleks terlebh dahulu. Ekspermen n memberkan hasl 100% akuras, dengan konds dokumen yang dgunakan sudah dseleks terlebh dahulu sehngga setap kategor hanya membahas satu topk. Hasl akuras pengelompokan terbak tanpa seleks dperoleh ratarata akuras 9.8% dar 10 kal ekspermen dan nla threshold yang dgunakan adalah Hasl akuras klasfkas terbak yatu klasfkas dengan menggunakan hasl clusterng dengan akuras 100% sebaga data tranng. Akuras yang dperoleh saat klasfkas yatu 100% dengan konds dokumen testng yang dgunakan memlk topk yang sama dengan data tranng. Hasl akuras klasfkas tertngg tanpa seleks terlebh dahulu yatu 91% dengan 400 dokumen tranng dan 100 dokumen testng serta nla threshold yang dtentukan adalah REFERENSI [1] Amn Mantrach and Ncolas van Zeebroeck, Text Mnng, ng.pdf, dakses 10 September 01. [] Mchel de Hoon, Seya Imoto, and Satoru Myano, 00, The C Clusterng Lbrary, Unversty of Tokyo, Tokyo. [3] Anl K. Jan and Rchard C. Dubes, 1988, Algorthms for Clusterng Data, Prentce Hall, Upper Saddle Rver. [4] Yud Wbsono, Agustus 005, Klasfkas Berta Berbahasa Indonesa menggunakan Naïve Bayes Classfer, Semnar Nasonal Matematka UPI. [5] Tom M. Mtchell, Generatve and Dscrmnatve Classfer: Nave Bayes and Logstc Regresson. dakses 10 September 01. [6] Ledy Agusta, November 009, Perbandngan Algortma Stemmng Porter Dengan Algortma Nazef dan Adran Untuk Stemmng Teks Bahasa Indonesa, Konferens Nasonal Sstem dan Informatka, Vol [7] Yos Amela Putr, Stemmng Untuk Teks Berbahasa Indonesa dan Pengaruhnya dalam Kategorsas, ory&itemd=34&task=detal&nm= , dakses 4 September 01. Penuls Pertama, mahasswa Unverstas Tarumanagara Fakultas Teknolog Informas Penuls Kedua, memperoleh gelar Ir dar Departemen Teknk Fska Insttut Teknolog Bandung, Indonesa. Kemudan memperoleh gelar M. Eng dar Department of Computer Scence Asan Insttute of Technology, Bangkok, Thaland. Penuls Ketga, memperoleh gelar S.Kom dar Unverstas Tarumanagara, Jakarta, Indonesa. Kemudan memperoleh gelar M.Kom dar Unverstas Indonesa, Depok, Indonesa. Saran untuk peneltan berkutnya adalah: 1. Nla akuras clusterng dapat dtngkatkan dengan cara mencar kata kunc terlebh dahulu. Pencaran kata kunc n bsa menggunakan metode feature selecton.. Sebelum dlakukan klasfkas, tap cluster yang dperoleh dar hasl clusterng dapat dber label terlebh dahulu dengan menambahkan proses penentuan label secara otomats. Proses n memberkan label dengan cara melhat kata kunc yang ada dalam dokumen. 3. Dalam proses clusterng dapat menggunakan perhtungan centrod terlebh dahulu untuk mencar nla tengah dar setap cluster. Nla centrod n ddapat dar perhtungan rata-rata dar tap dokumen yang ada dalam cluster. Nla centrod yang ddapat akan dgunakan dalam perhtungan arak sebaga ttk dar satu cluster. 85