JUTI: Jurnal Ilmiah Teknologi Informasi
Vol. 17, No. 2, Juli 2019

CLUSTERING TOPIK PENELITIAN BERBASIS UNSUPERVISED LEARNING UNTUK REKOMENDASI KOLEKSI PUSTAKA DI PERPUSTAKAAN ITS

Navastara, Dini Adni (Departemen Informatika, Institut Teknologi Sepuluh Nopember)
Mursidah, Eva (Departemen Informatika, Institut Teknologi Sepuluh Nopember)
Gonti, Yeni Anita (Perpustakaan, Institut Teknologi Sepuluh Nopember)
Wahyuni, Davi (Perpustakaan, Institut Teknologi Sepuluh Nopember)
Wiyadi, Petrus Damianus Sammy (Departemen Informatika, Institut Teknologi Sepuluh Nopember)
Suadi, Wahyu (Departemen Informatika, Institut Teknologi Sepuluh Nopember)



Article Info

Publish Date
21 Aug 2019

Abstract

Perpustakaan ITS adalah salah satu penyedia jasa informasi di ITS.  Berbagai koleksi fisik yang dikelola meliputi buku teks, buku tugas akhir, buku tesis, jurnal, majalah, serta prosiding seminar nasional. Setiap tahunnya, perpustakaan ITS memperoleh alokasi dana untuk  pengadaan buku cetak sebesar 1 M, e-journal sebesar 6 M, dan 300 juta untuk pengadaan e-book. Akan tetapi, dana tidak terserap dengan baik dan feedback untuk pengadaan bahan pustaka ke ULP tidak berjalan maksimal dikarenakan pustakawan mengalami kesulitan ketika melakukan proses seleksi judul-judul bahan pustaka yang akan diajukan ke ULP untuk dibeli. Hal ini menyebabkan bahan pustaka, khususnya buku, yang dibeli kebanyakan tidak sesuai dengan kebutuhan pengguna. Untuk itu diperlukan upaya mencari informasi buku baru sebagai bahan pustaka yang sesuai dengan kebutuhan pengguna berbasis teknologi informasi. Berdasarkan data pengadaan buku di perpustakaan ITS lebih didominasi oleh buku pengembangan yang mendukung referensi publikasi ilmiah. Publikasi ilmiah yang dilakukan oleh para dosen mayoritas merupakan luaran dari penelitian dosen. Oleh karena itu, pada penelitian ini diusulkan klasterisasi tren topik penelitian sebagai rekomendasi pengadaan bahan pustaka di Perpustakaan ITS. Penelitian ini menerapkan konsep text mining yang terdiri dari beberapa tahapan proses yaitu: text preprocessing, proses ekstraksi fitur, proses clustering, dan post-processing. Text preprocessing dilakukan untuk memperbaiki kualitas data teks, sehingga dapat menghasilkan klaster yang relevan dan akurat. Langkah-langkah pada tahap text preprocessing adalah case folding, tokenizing, filtering, dan stemming. Kemudian, dilakukan proses ekstraksi fitur yaitu dengan teknik pembobotan menggunakan Term Frequency dan Inverse Document Frequency (TF-IDF). Fitur-fitur yang dihasilkan pada tahap ekstraksi fitur dilakukan proses clustering menggunakan metode unsupervised learning untuk menghasilkan klaster topik penelitian. Tahap post-processing dilakukan untuk mengevaluasi dan menganalisa hasil klasterisasi tersebut yang selanjutnya digunakan sebagai rekomendasi pengadaan bahan pustaka, khususnya buku.

Copyrights © 2019