Modified union ekstraksi fitur untuk algoritma CLARANS pada data terjemahan hadis

Berkembangnya teknologi yang semakin meningkat mengakibatkan penumpukan data dalam jumlah yang besar, penumpukan data ini juga terjadi pada data hadis. Algoritma clustering dibutuhkan untuk mengatasi permasalahan ini. Pada penelitian ini digunakan algoritma clustering CLARANS yang efektif pada pengelompokkan data dalam jumlah yang besar. Untuk meningkatkan kinerja algoritma clustering maka dilakukan tahap reduksi dimensi fitur untuk mengurangi fitur-fitur yang kurang berpengaruh dan rendudan. Metode penggabungan modified union diterapkan untuk menggabungkan metode document frequency dan term variance, kemudian data hasil reduksi dari metode modified union direduksi kembali menggunakan PCA pada feature extraction. Pada penelitian ini dilakukan perbandingan hasil clustering pada data terjemahan hadis yang berjumlah 2175 hadis dengan menggunakan algoritma CLARANS sebelum dan sesudah dilakukan reduksi untuk mengetahui hasil clustering yang terbaik pada kedua percobaan tersebut. Hasil clustering yang didapat setelah dilakukan evaluasi menggunakan Davies-Bouldin Index (DBI) dan Silhoutte Coefficient (SH) menunjukan clustering algoritma CLARANS setelah dilakukan reduksi mempunyai hasil yang lebih baik jika dibandingkan dengan hasil algoritma clustering CLARANS sebelum dilakukan reduksi dengan nilai DB minimal 1.7738 dan SC maksimal 0.0175. Kemudian algoritma CLARANS juga efektif untuk mengelompokkan kumpulan data besar