KLASTERISASI BUKU BERBAHASA INDONESIA DENGAN MENGIMPLEMENTASIKAN METODE TEXT MINING DAN ALGORITMA ARTIFICIAL BEE COLONY K-MEANS

K-Means merupakan metode klasterisasi yang sering digunakan karena memiliki kemampuan mengklaster data dengan cepat. Meskipun demikian, K-Means memiliki kelemahan dalam inisial sentroid sehingga terjadi masalah pada global optimal. Artificial Bee Colony (ABC) adalah metode yang efektif untuk melakukan optimasi dan terbukti memiliki solusi global optimal. Penelitian ini mengusulkan penggunaan algoritma ABC untuk melakukan optimasi terhadap K-Means atau yang dikenal dengan ABC-KM. Implementasi ABC untuk optimasi K-Means terbukti mampu meningkatkan kemampuan klasterisasi khususnya dalam aspek nilai precision, recall dan F-Measure. Hasil uji perbandingan algoritma K-Means dengan algoritma ABC-KM pada sinopsis buku dari www.gramedia.com, menunjukan rata-rata nilai precision lebih baik sebesar 2.08%, rata-rata nilai recall lebih baik sebesar 11.24% sementara F-Measure sebesar 14.04%