Implementasi Efficient-SOM Pada Text Clustering Menggunakan Reduksi Dimensi

Data berukuran besar yang sudah disimpan jarang digunakan secara optimal karena manusia seringkali tidak memiliki waktu dan kemampuan yang cukup untuk mengelolanya. Pengelompokan data khususnya data teks yang mempunyai skala besar juga menemui beberapa hambatan, salah satunya adalah diperlukannya waktu komputasi yang besar pula. Penelitian ini bertujuan untuk mengimplementasikan metode Self-Organizing Maps (SOM) dengan menerapkan reduksi dimensi sehingga dapat mengurangi waktu komputasi. Metode ini diterapkan untuk mengelompokan data tugas akhir mahasiswa Teknik Informatika Universitas Trunojoyo Madura. Dalam metode yang diusulkan, analisis morfologi dilakukan pada teks abstrak tugas akhir mahasiswa untuk menghasilkan vektor input dengan unsur term dari tugas akhir tersebut. Adanya elemen vektor yang jarang, memungkinkan terjadinya reduksi dimensi. Reduksi dimensi dilakukan dengan menghilangkan matriks jarang atau kolom yang banyak mengandung nilai 0. Dari percobaan yang dilakukan, diperoleh hasil bahwa optimum cluster untuk data abstrak berada pada scenario 1 dengan jumlah term setelah direduksi sebanyak 150 term sehingga menghasilkan nilai rata-rata SSE = 0.01117. Sedangkan untuk data laporan optimum cluster berada pada scenario 2 dengan jumlah term setelah direduksi sebanyak 346 term sehingga mengahasilkan nilai rata-rata SSE = 0.0085 detik.