PENGKLUSTERAN ARTIKEL PADA JURNAL PINTER MENGGUNAKAN ALGORITMA DBSCAN

GENTA ABDI FATHIR, . (2026) PENGKLUSTERAN ARTIKEL PADA JURNAL PINTER MENGGUNAKAN ALGORITMA DBSCAN. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (1MB)
	Text BAB 1.pdf Download (369kB)
	Text BAB 2.pdf Restricted to Registered users only Download (675kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (457kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (361kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (339kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (3MB) | Request a copy

Abstract

Penelitian ini bertujuan menganalisis performa pengklusteran artikel pada Jurnal Pendidikan Teknik Informatika dan Komputer (PINTER) berdasarkan kemiripan konten menggunakan algoritma Density-Based Spatial Clustering of Applications with Noise (DBSCAN). Dataset yang digunakan terdiri atas 160 artikel dari Jurnal PINTER Volume 1 Nomor 1 hingga Volume 8 Nomor 2, dengan fitur judul, abstrak, dan isi artikel. Representasi teks dilakukan menggunakan Word2Vec, dilanjutkan dengan reduksi dimensi menggunakan Principal Component Analysis (PCA) untuk menjaga kebermaknaan jarak antar dokumen. Parameter DBSCAN (eps dan min_samples) ditentukan melalui grid search yang dievaluasi menggunakan Silhouette Coefficient, Davies Bouldin Index (DBI), dan Coverage, dengan pengujian dilakukan pada tiga skenario, yaitu pengklasteran terhadap seluruh artikel (Skenario 1), per volume (Skenario 2), dan per nomor penerbitan (Skenario 3). Hasil pengujian menunjukkan Skenario 1 membentuk tujuh klaster dengan Silhouette Coefficient sebesar 0,7223 dan DBI sebesar 0,3847, meskipun menyisakan 73 artikel (45,6%) sebagai noise. Skenario 2 dan Skenario 3 memperoleh rata-rata Silhouette Coefficient yang lebih tinggi, masing-masing 0,7470 dan 0,7264, namun menghasilkan klaster yang jauh lebih kecil dan banyak (27 dan 35 klaster) sehingga sulit diinterpretasikan sebagai gambaran menyeluruh isi jurnal. Berdasarkan pertimbangan tersebut, Skenario 1 ditetapkan sebagai konfigurasi utama karena menghasilkan klaster yang lebih besar dan stabil, dengan enam kecenderungan isi yang konsisten muncul pada ketiga skenario, yaitu model pembelajaran di kelas, media pembelajaran berbasis video/multimedia, jaringan komputer, web service/sistem informasi, analisis/klasifikasi teks, dan arsitektur enterprise pada lingkungan SMK. Karakteristik media pembelajaran berbasis video merupakan yang paling dominan, membentuk klaster terbesar dengan 20 artikel. Kata Kunci: Clustering, DBSCAN, Jurnal PINTER, Silhouette Coefficient, Word2Vec. ***** This study aims to analyze the clustering performance of articles from Jurnal Pendidikan Teknik Informatika dan Komputer (PINTER) based on content similarity using the Density-Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm. The dataset consists of 160 articles from Jurnal PINTER Volume 1 Number 1 to Volume 8 Number 2, using the title, abstract, and body of each article as features. Text representation was performed using Word2Vec, followed by dimensionality reduction using Principal Component Analysis (PCA) to preserve meaningful distances between documents. DBSCAN parameters (eps and min_samples) were determined through grid search evaluated with the Silhouette Coefficient, Davies Bouldin Index (DBI), and Coverage, tested across three scenarios: clustering the entire corpus (Scenario 1), per volume (Scenario 2), and per issue (Scenario 3). The results show that Scenario 1 formed seven clusters with a Silhouette Coefficient of 0.7223 and a DBI of 0.3847, although 73 articles (45.6%) were classified as noise. Scenarios 2 and 3 achieved higher average Silhouette Coefficients of 0.7470 and 0.7264 respectively, but produced much smaller and more numerous clusters ( 27 and 35 clusters), making them harder to interpret as an overall picture of the journal's content. Based on these considerations, Scenario 1 was selected as the main configuration for producing larger, more stable, and interpretable clusters, with six content tendencies consistently appearing across all three scenarios: classroom learning models, video/multimedia-based learning media, computer networks, web services/information systems, text analysis/classification, and enterprise architecture in vocational school (SMK) settings. Video-based learning media was the most dominant characteristic, forming the largest cluster with 20 articles. Keywords: Clustering, DBSCAN, Jurnal PINTER, Silhouette Coefficient, Word2Vec.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widodo, S.Kom., M.Kom. ; 2). Neng Ayu Herawati, S.Pd., M.T.
Subjects:	Teknologi dan Ilmu Terapan > Teknik Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Genta Abdi Fathir .
Date Deposited:	12 Aug 2026 07:17
Last Modified:	12 Aug 2026 07:17
URI:	http://repository.unj.ac.id/id/eprint/69723

Actions (login required)

View Item