PLAGIAT

PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

HALAMAN JUDUL

PENGELOMPOKAN ARTIKEL
BERBAHASA JAWA DENGAN HIERARCHICAL K MEANS
CLUSTERING
SKRIPSI
Diajukan Untuk Memenuhi Salah Satu Syarat
Memperoleh Gelar Sarjana Komputer
Program Studi Teknik Informatika

Disusun Oleh :
Aluisius Bachtiar Bayu Saputra
115314076

PROGRAM STUDI TEKNIK INFORMATIKA

JURUSAN TEKNIK INFORMATIKA
FAKULTAS SAINS DAN TEKNOLOGI
UNIVERSITAS SANATA DHARMA
YOGYAKARTA
2015

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

HALAMAN JUDUL

JAVANESE LANGUAGE ARTICLES CLUSTERING

USING HIERARCHICAL K MEANS

A Final Project
Presented as Partial Fulfillment of The Requirements
To Obtain Sarjana Komputer Degree
In Informatics Engineering Study Program

By:
Aluisius Bachtiar Bayu Saputra
115314076

INFORMATICS ENGINEERING STUDY PROGRAM

DEPARTMENT OF INFORMATICS ENGINEERING
FACULTY OF SCIENCE AND TECHNOLOGY
SANATA DHARMA UNIVERSITY
YOGYAKARTA
2015
ii

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

HALAMAN PERSETUJUAN
SKRIPSI

PENGELOMPOKAN ARTIKEL
BERBAHASA JAWA DENGAN HIERARCHICAL K MEANS
CLUSTERING

Disusun oleh:
Aluisius Bachtiar Bayu Saputra
115314076

Telah disetujui oleh:

Dosen Pembimbing

Sri Hartati Wijono, S.Si., M.Kom.

iii

Tanggal:

Juli 2015

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

HALAMAN PENGESAHAN
SKRIPSI

PENGELOMPOKAN ARTIKEL
BERBAHASA JAWA DENGAN HIERARCHICAL K MEANS
CLUSTERING

Dipersiapkan dan disusun oleh:

Nama

: Aluisius Bachtiar Bayu Saputra

NIM

: 115314093

Telah dipertahankan di depan panitia penguji

pada tanggal 23 Juli 2015
dan dinyatakan memenuhi syarat

Susunan Panitia Penguji:

Nama Lengkap

Tanda Tangan

Ketua

: JB Budi Darmawan, S.T., M.Sc.

_____________

Sekretaris

: Eko Hari Parmadi, S.Si., M.Kom.

_____________

Anggota

: Sri Hartati Wijono, S.Si., M.Kom.

_____________

Yogyakarta,

Juli 2015

Fakultas Sains dan Teknologi

Universitas Sanata Dharma
Dekan,

(Paulina Heruningsih Prima Rosa, S.Si., M.Sc)

iv

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

HALAMAN PERSEMBAHAN

Tugas akhir ini saya persembahkan untuk:

Tuhan Yesus Yang Maha Baik
Bapak dan Ibu tercinta
Clothilde Arum si Gembul
Arzeta von A34
Renata Smile von Mentari
Member of Inova Kenel

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya bahwa skripsi saya tulis ini tidak
memuat karya atau bagian karya orang lain, kecuali yang telah disebutkan dalam
kutipan dan daftar pustaka sebagaimana layaknya karya ilmiah.

Yogyakarta, 28 Juli 2015

Penulis

Aluisius Bachtiar Bayu Saputra

vi

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

LEMBAR PERNYATAAN PERSETUJUAN

PUBLIKASI KARYA ILMIAH UNTUK KEPENTINGAN
AKADEMIS
Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma :
Nama

: Aluisius Bachtiar Bayu Saputra

Nomor Mahasiswa

: 115314076

Demi pengembangan ilmu pengetahuan, saya memberikan kepada Perpustakaan

Universitas Sanata Dharma karya ilmiah saya yang berjudul :
Pengelompokan Artikel Berbahasa Jawa dengan Hierarchical K Means
Clustering
beserta perangkat yang diperlukan. Dengan demikian saya memberikan kepada
Perpustakaan Universitas Sanata Dharma hak untuk menyimpan, me-ngalihkan
dalam bentuk media lain, mengelolanya dalam bentuk pangkalan data,
mendistribusikan secara terbatas, dan mempublikasikannya di Internet atau media
lain untuk kepentingan akademis tanpa perlu meminta ijin dari saya maupun
memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai
penulis.
Demikian pernyataan ini yang saya buat dengan sebenarnya.
Dibuat di Yogyakarta
Pada tanggal : 31 Juli 2015
Yang menyatakan

(Aluisius Bachtiar Bayu Saputra)

vii

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

ABSTRAK

PENGELOMPOKAN ARTIKEL
BERBAHASA JAWA DENGAN HIERARCHICAL K MEANS
CLUSTERING
ABSTRAK
Artikel memiliki berbagai jenis topik, sebagai contoh: berita ekonomi, kesehatan,
dan sebagainya. Berdasarkan pada jenis artikel di atas ternyata dapat digali
informasi yang dapat dimanfaatkan (knowledge discovery). Knowledge discovery
pada data teks dapat dilakukan dengan proses awal berupa information retrieval.
Proses dari information retrieval bertujuan untuk menemukan ciri dari dokumen,
untuk selanjutnya dilakukan analisis keterhubungan antar dokumen dengan
menggunakan metode pengelompokan. Sebelum dikelompokkan, data dokumen
dari media cetak harus diubah ke bentuk text file. Selanjutnya masuk tahap
information retrieval untuk memperoleh ciri dari suatu dokumen. Proses yang
dilakukan adalah tokenizing, stop word, stemming, dan weighting. Berdasarkan
proses information retrieval yang telah dilakukan, data dikelomopokan
menggunakan Hierarchical K Means. Metode Hierarchical K Means terdiri dari
dua buah algoritma utama, yaitu K Means dan agglomerative hierarchical
clustering (AHC) khususnya teknik single linkage. Single linkage dilakukan
mencari centroid yang paling baik. Proses selanjutnya dilakukan K Means dengan
menggunakan centroid hasil single linkage, guna menghasilkan cluster terbaik.
Setiap hasil cluster dievaluasi dengan metode evaluasi internal, metode yang
digunakan adalah sum of square error (SSE). Cluster yang memiliki error
minimum diuji kembali dengan evaluasi eksternal, yaitu dengan menggunakan
(confusiion matrix). Berdasarkan percobaan pengelompokan yang dilakukan
didapatkan pembentukan tiga cluster, yang memiliki error cluster minimum
19,84822 (evaluasi internal) dan memiliki akurasi maksimum 80% (evaluasi
eksternal). Pembentukan tiga kelompok ini juga sesuai dengan tujuan yang ingin
dicapai dalam tulisan ini, yaitu untuk mendapatkan pengelompokan dari artikel
dan dapat membantu untuk mengetahui jenis topik artikel.

viii

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

ABSTRACT

JAVANESE LANGUAGE ARTICLES CLUSTERING

USING HIERARCHICAL K MEANS
ABSTRACT
There are many kinds of topic articleeconomy, health, politic, etc. Within those
articles, there is useful information that can be found (knowledge discovery).
Knowledge discovery on the text data could be initiated by the initial process
called information retrieval. The information retrieval process aimed to collect the
characteristic of a document in order to analyze the connection between
documents by using clustering method. Before conducting the clustering process,
documents data from printed media should be converted into text file. The next
step is information retrieval. In this step, the information retrieval collected the
characteristic of a document by using tokenizing, stop word, stemming, and
weighting. Documents data clustered by using Hierarchical K Means method
based on information retrieval. This method consisted of two main algorithms,
which are K Means and agglomerative hierarchical clustering (AHC) with single
linkage technic. Single linkage would collect the best centroid. In the next
process, K Means was initiated using best centroid from AHC to produce best
cluster. Every cluster produced would be evaluated by internal evaluation method.
The internal evaluation method is sum of square error (SSE). Clusters with
minimum error would be retested by external evaluation method using confusion
matrix. There are three outcome of clusters based on the clustering trial, which
have minimum error 19,84882 (internal evaluation) and maximum accuracy 80%
(external evaluation). The forming of these three clusters was corresponded with
this papers objectives, which are to cluster the article and to find out the type of
the article topic.

ix

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

KATA PENGANTAR

Puji dan syukur penulis panjatkan atas kehadirat Tuhan Yang Maha Esa
atas berkat, rahmat serta kasih-Nya sehingga penulis dapat menyelesaikan skripsi
yang berjudul Pengelompokan Artikel Berbahasa Jawa dengan Hierarchical
K Means Clustering.
Penulisan skripsi ini bertujuan untuk memenuhi

sebagian syarat

memperoleh gelar sarjana komputer program studi S1 jurusan Teknik Informatika

Universitas Sanata Dharma. Penulis menyadari bahwa skripsi ini masih jauh dari
sempurna oleh sebab itu penulis mengharapkan kritik dan saran yang bersifat
membangun dari semua pihak demi kesempurnaan skripsi ini.
Selesainya skripsi ini tidak lepas dari peran penting berbagai pihak,
sehingga pada kesempatan ini penulis dengan segala kerendahan hati serta rasa
hormat mengucapkan terima kasih yang sebesar besarnya kepada semua pihak
yang telah memberikan dukungan baik secara langsung maupun tidak langsung
kepada penulis dalam penyusunan skripsi ini hingga selesai. Pada proses
penulisan tugas akhir ini, saya ucapkan banyak terima kasih kepada:
1. Tuhan Yesus selaku pembimbing iman dalam hidup yang selalu
memberi solusi di atas segala solusi.
2. Ibu Sri Hartati Wijono, S.Si., M.Kom. selaku pembimbing yang
memberikan pengarahan serta solusi dalam pengerjaan skripsi ini
hingga selesai.
3. Romo Dr. Cyprianus Kuntoro Adi, SJ, MA, M.Sc. yang rela
meluangkan waktunya untuk ngopi dan berbagi solusi.
4. Kedua orangtua, Bapak Y. Sumaryono dan Ibu Laurentina Suparmi
yang selalu rela berkorban, mendoakan serta memberikan motivasi
kepada penulis.
5. Romo Poldo Andreas Situmorang yang senantiasa tulus meluangkan
waktunya untuk konsultasi mengenai penelitian ini.
6. Yang tergembul, Clothilde Arum JR yang rela ditinggal pergi pagi
pulang pagi.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

7. Semok Crew (Poldo, Ega, dan Nusa) yang senantiasa kompak dalam
kerjasama team, baik siang, malam, maupun subuh menjelang, baik di
kampus, base camp, maupun di bar.
8. Seluruh civitas akademika Teknik Informatika angkatan 2011,
terutama anggota C++ yang telah berjuang bersama dan saling memberi
semangat dan inspirasi.
9. Semua pihak, baik langsung maupun tidak, yang telah membantu
dalam proses penyelesaian skripsi ini.
Penulis menyadari bahwa masih banyak kekurangan yang terdapat dalam
skripsi ini. Saran dan kritik diharapkan untuk perbaikan-perbaikan pada masa
yang akan datang. Semoga bermafaat.
Penulis menyadari masih banyak kekurangan dalam menyusun skripsi ini,
namun penulis tetap berharap skripsi ini bermanfaat bagi pengembangan ilmu
pengetahuan.

Yogyakarta, 28 Juli 2015

Penulis

Aluisius Bachtiar Bayu S

xi

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

DAFTAR ISI

HALAMAN JUDUL................................................................................................ i
HALAMAN JUDUL............................................................................................... ii
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
HALAMAN PERSEMBAHAN ............................................................................. v
PERNYATAAN KEASLIAN KARYA ................................................................ vi
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... ix
KATA PENGANTAR ............................................................................................ x
DAFTAR ISI ......................................................................................................... xii
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR TABEL ................................................................................................. xv
BAB I PENDAHULUAN ....................................................................................... 1
1.1

Latar Belakang ......................................................................................... 1

1.2

Rumusan Masalah .................................................................................... 3

1.3

Batasan Masalah ....................................................................................... 3

1.4

Tujuan ....................................................................................................... 4

1.5

Metodologi Penelitian .............................................................................. 4

1.6

Sistematika Penulisan ............................................................................... 5

BAB II LANDASAN TEORI ................................................................................. 7

2.1 Information Retrieval .................................................................................... 7
2.2 Clustering .................................................................................................... 19
2.3. Evaluasi ...................................................................................................... 30
BAB III METODOLOGI PENELITIAN.............................................................. 32
3.1 Data ............................................................................................................. 32
3.2 Teknik Analisis Data ................................................................................... 32
3.3 Desain User Interface ................................................................................. 42
3.4 Spesifikasi Software dan Hardware ............................................................ 42
BAB IV IMPLEMENTASI DAN ANALISIS HASIL ......................................... 43
4.1 Implementasi ............................................................................................... 43
4.1.1 User Interface........................................................................................... 43

xii

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

4.1.2 Pengolahan Data....................................................................................... 50

4.2 Analisis Hasil .............................................................................................. 64
BAB V PENUTUP ................................................................................................ 80
5.1.Kesimpulan ................................................................................................. 80
5.2 Saran ............................................................................................................ 82
DAFTAR PUSTAKA ........................................................................................... 83
LAMPIRAN .......................................................................................................... 84

xiii

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

DAFTAR GAMBAR
Gambar 2.1 Proses Information Retrieval (Manning, 2008)................................... 8
Gambar 2.2 Distribusi Zipf (Manning, 2008) ....................................................... 12
Gambar 2.3 Ilustrasi Penentuan Keanggotaan Kelompok Berdasarkan Jarak
(Turban dkk, 2005)................................................................................................ 20
Gambar 2.4 Dendrogram ....................................................................................... 24
Gambar 2.5 Dendrogram single linkage untuk 5 obyek data ................................ 29
Gambar 3.1 Diagram Block Proses Clustering. .................................................... 33
Gambar 3.2 Pembobotan tf-idf.............................................................................. 35
Gambar 3.3 Langkah Menghitung Jarak Minimum pada single linkage .............. 38
Gambar 3.4 Langkah Menghitung Menggabungkan Kelompok yang Berdekatan39
Gambar 3.5 Dendrogram ....................................................................................... 39
Gambar 3.6 Tampilan Menu Utama...................................................................... 42
Gambar 4.1 Implementasi User Interface Awal (sebelum proses dilakukan) ...... 44
Gambar 4.2 Implementasi User Interface (setelah dilakukan proses) .................. 44
Gambar 4.3 Button Preprocessing dan Button Proses .......................................... 45
Gambar 4.4 Hasil Kata Unik ................................................................................. 46
Gambar 4.5 Hasil Pengelompokan Terbaik .......................................................... 47
Gambar 4.6 Anggota Cluster dari Pengelompokan Terbaik ................................. 48
Gambar 4.7 Hasil Centroid Terbaik yang Digunakan Pengelompokan ................ 48
Gambar 4.8 Hasil Himpunan Centroid yang Divisualisasikan dengan Dendrogram
............................................................................................................................... 49
Gambar 4.9 Hasil Akurasi Berdasarkan Pengelompokan Terbaik........................ 49
Gambar 4.10 Peringatan/Informasi dari Aksi Menekan Button Preprocessing dan
Proses .................................................................................................................... 50
Gambar 4.11 Jumlah Data Dokumen yang Digunakan ......................................... 51
Gambar 4.12 Salah Satu Contoh Data Dokumen .................................................. 51
Gambar 4.13 Hasil Tokenizing .............................................................................. 53
Gambar 4.14 Hasil Stop Word .............................................................................. 54
Gambar 4.15 Hasil Stemming................................................................................ 56
Gambar 4.16 Hasil Indexing ................................................................................. 57
Gambar 4.17 Dendrogram..................................................................................... 59
Gambar 4.18 Centroid Awal ................................................................................. 60
Gambar 4.19 Pembagian Cluster Beserta Anggotanya ......................................... 62
Gambar 4.20 Pembagian Anggotanya Cluster ..................................................... 62
Gambar 4.21 Pemilihan SSE Minimum ................................................................ 63
Gambar 4.22 Hasil Akurasi ................................................................................... 64
Gambar 4.23 Perbandingan Pemotongan Frekuensi Kata .................................... 78
Gambar 4.24 Gambar Tabel Percobaan ................................................................ 79

xiv

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

DAFTAR TABEL
Tabel 2.1 Rule untuk Suffix ................................................................................... 14
Tabel 2.2 Rule untuk Prefix .................................................................................. 14
Tabel 2.3 Rule untuk Infix ..................................................................................... 15
Tabel 2.4 Contoh Data Perhitungan hierarchical clustering ................................ 25
Tabel 2.5 Matriks jarak ......................................................................................... 26
Tabel 2.6 Matriks Jarak Pertama single linkage ................................................... 27
Tabel 2.7 Matriks Jarak Kedua single linkage ...................................................... 27
Tabel 2.8 Matriks Jarak Ketiga single linkage ...................................................... 28
Tabel 3.1 Pembobotan ........................................................................................... 35
Tabel 3.2 Perhitungan Jarak antara Dokumen dengan Centroid........................... 37
Tabel 3.3 Hasil Himpunan Cluster Berdasarkan Pemotongan .............................. 40
Tabel 3.4 Hasil iterasi K Means yang Sudah Stabil .............................................. 41
Tabel 4.1 Percobaan 1 dengan range term frekuensi 0-152 (tanpa pemotongan
term) dengan jumlah kata unik 2.358 .................................................................... 66
Tabel 4.2 Hasil Akurasi 1 dengan tf 0-152(tanpa pemotongan) dengan jumlah kata
unik 2.358.............................................................................................................. 67
Tabel 4.3 Percobaan 2 dengan range term frekuensi 20-130, dengan jumlah kata
unik 236................................................................................................................. 68
Tabel 4.4 Hasil Akurasi 2 dengan tf 20-130 dengan jumlah kata unik 236. ......... 69
Tabel 4.5 Hasil Percobaan 3 dengan c=2 dan range 70-90 dengan jumlah kata unik
11. .......................................................................................................................... 70
Tabel 4.6 Hasil Akurasi 3 c=2 dan range 70-90 dengan jumlah kata unik 11...... 70
Tabel 4.7 Hasil Percobaan 4 dengan c=4 dan range 70-90 dengan jumlah kata unik
11. .......................................................................................................................... 71
Tabel 4.8 Hasil Akurasi 4 c=4 dan range 70-90 dengan jumlah kata unik 11...... 71
Tabel 4.9 Hasil Percobaan 5 dengan c=2 dan range 50-150 dengan jumlah kata
unik 40................................................................................................................... 72
Tabel 4.10 Hasil Akurasi 5 c=2 dan range 50-150 dengan jumlah kata unik 40.. 72
Tabel 4.11 Hasil Percobaan 6 dengan c=4 dan range 50-150 dengan jumlah kata
unik 40................................................................................................................... 73
Tabel 4.12 Hasil Akurasi 6 c=4 dan range 50-150 dengan jumlah kata unik 40.. 73
Tabel 4.13 Percobaan 7 dengan range term frekuensi 75-85 dengan jumlah kata
unik 4..................................................................................................................... 74
Tabel 4.14 Hasil Akurasi 7 dengan tf 75-85 dengan jumlah kata unik 4. ............. 75

xv

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

1. BAB I
PENDAHULUAN

1.1 Latar Belakang

Media cetak adalah sarana menuangkan gagasan dan buah pikiran. Salah
satu jenis media cetak adalah majalah. Ada beberapa daerah yang memiliki
majalah dengan bahasa daerahnya, sebagai contoh: Jaka Lodhang, Mekar Sari,
Panjebar Semangat (Bahasa Jawa) dan Cupumanik, Mangl (Bahasa Sunda).
Seperti halnya Bahasa Inggris dan Bahasa Indonesia, artikel berbahasa Jawa juga
memiliki informasi tersembunyi yang dapat digali dan dimanfaatkan, yang
membedakannya adalah proses stemming dan aturan-aturan setiap bahasa.
Artikel memiliki berbagai jenis topik, sebagai contoh: berita ekonomi,
kesehatan, dan sebagainya. Berdasarkan pada jenis-jenis artikel di atas ternyata
dapat digali informasi yang dapat dimanfaatkan sebagai knowledge discovery.
Knowledge discovery adalah kegiatan menggali informasi dan pola tersembunyi
pada suatu sumber data. Knowledge discovery dengan data teks dapat dilakukan
dengan proses information retrieval (Han, 2011). Information retrieval adalah
sekumpulan algoritma dan teknologi untuk melakukan pemrosesan, penyimpanan,
dan menemukan kembali informasi (tertstruktur) pada suatu koleksi data yang
besar (Manning, 2008). Terdapat beberapa tahap yang harus dilakukan dalam
information retrieval, secara umum dapat dibagi ke dalam tahap seperti berikut:
tokenizing, stopword, stemming, indexing.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Pengelompokan dokumen dapat dikerjakan dengan metode tertentu,

penelitian ini akan menggunakan salah satu metode clustering yaitu K Means.
Pemilihan algoritma K Means karena memiliki banyak keunggulan daripada
algoritma lainnya (Baswade, 2013), keunggulan K Means diantaranya:
1. Relatif efisien dengan O (knt) di mana k-jumlah cluster, n-jumlah objek, tjumlah iterasi.
2. Mudah untuk diimplementasikan dan dijalankan.
3. Waktu yang dibutuhkan untuk menjalankan pembelajaran ini relatif cepat.
4. Mudah untuk diadaptasi.
Keunggulan yang ditawarkan K Means membuat banyak penelitian yang
menggunakan metode tersebut, salah satu diantaranya: Analisa Perbandingan
Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam
Cluster Data (Studi kasus : Problem Kerja Praktek Jurusan Teknik Industri ITS)
(Alfina, Santosa, Ridho Barakbah, 2012), Klasterisasi, Klasifikasi dan Peringkasan
Teks Berbahasa Indonesia (Raharjo dan Winarko, 2014), serta Deteksi Iris Mata
untuk Menentukan Kelebihan Kolesterol Menggunakan Ekstraksi Ciri Moment
Invariant dengan K-Means Clustering (Handini Rani, Supriyati,

Khotimah,

2014). Berdasarkan keunggulan keunggulan dan penelitian yang telah dilakukan,

maka peneliti memilih metode K Means untuk digunakan sebagai metode
pengelompokan data, pada penerapannya akan digunakan Hierarchical clustering
untuk mengoptimalkan centroid awal sehingga diperoleh akurasi yang lebih tinggi
dibandingkan dengan random K Means dan tentunya proses pencarian dan
penggalian informasi dokumen tertentu semakin mudah dan akurat (Arai, 2007).

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

1.2 Rumusan Masalah

Bertolak dari uraian latar belakang di atas, maka peneliti mengambil
rumusan masalah sebagai berikut:
1. Bagaimana langkah mengelompokkan artikel berbahasa Jawa menurut
topiknya?
2. Sejauh mana pendekatan metode hierarchical K Means mampu
mengelompokkan artikel berbahasa Jawa dengan akurasi yang baik?
1.3 Batasan Masalah
Batasan masalah sangat penting dalam membuat suatu sistem agar
implementasinya nanti sesuai dengan yang diharapkan, maka batasan masalah
yang akan dibahas dan diaplikasikan dalam penulisan ini yaitu:
1. Data artikel memiliki jumlah 75 dokumen dimana dibatasi sumber yang
berasal dari majalah Djaka Lodhang, Praba, dan Mekarsari yang memiliki
tiga kelompok topik, yaitu ekonomi, kesehatan, dan pendidikan.
2. Pengelompokan artikel Bahasa Jawa dilakukan secara manual dan belum
melibatkan pakar atau ahli di bidang Bahasa Jawa.
3. Artikel menggunakan Bahasa Jawa.
4. Data artikel yang digunakan diubah dalam bentuk dokumen berekstensi
.txt.
5. Pengelompokan data artikel menggunakan metode K Means dimana
centroid awal ditentukan dengan metode Hierarichal Clustering (Single
Lingkage).

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

1.4 Tujuan
Penelitian ini diharapkan dapat :
1. Mengetahui kelompok dari artikel dan dapat membantu untuk
mengetahui jenis topik artikel pada dokumen berbahasa Jawa.
2. Mengukur

akurasi

dari metode

Hierarichal

K Means

pada

pengelompokan dokumen berbahasa Jawa.

1.5 Metodologi Penelitian
Metodologi penelitian yang digunakan dalam penelitian ini adalah studi
kasus dengan langkah-langkah sebagai berikut :
1. Studi Pustaka
Studi pustaka bertujuan untuk memberikan pengetahuan tentang
hal-hal yang berkaitan dengan pengelompokan dokumen. Studi pustaka
dilakukan dengan mempelajari buku referensi, jurnal dan artikel yang
berkaitan dengan pengelompokan dokumen teks, metode Hierarchical K
Means.
2. Pengumpulan Data
Pada tahap ini dilakukan pencarian dan pengumpulan data. Data
didapat dari majalah berbahasa Jawa Jaka Lodang, Mekarsari dan majalah
Praba.
3. Perancangan
Pada tahap ini dilakukan perancangan sistem.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

4. Pembuatan Sistem
Berdasarkan hasil analisis dan perancangan sistem, maka tahapan
selanjutnya adalah membuat sistem yang akan digunakan.
5. Implementasi dan Pengujian
Implementasi sistem dengan cara menjalankan sistem yang telah
dibuat dan dilakukan pengujian dengan menampilkan pengelompokan
dokumen teks dalam Bahasa Jawa untuk mengetahui pengklasifikasiannya.
6. Evaluasi
Menganalisis hasil implementasi dan membuat kesimpulan
terhadap penelitian yang telah dikerjakan.
1.6 Sistematika Penulisan
Sistematika penulisan yang akan digunakan adalah sebagai berikut :

BAB I PENDAHULUAN
Bab ini akan menjelaskan latar belakang, perumusan masalah, batasan

masalah, tujuan penelitian, manfaat penelitian, dan sistematika penulisan.

BAB II DASAR TEORI

Bab ini akan menjelaskan dasar dasar teori yang akan digunakan

sebagai landasan utama penelitian dan pembuatan sistem.

BAB III METODOLOGI

Bab ini membahas tentang teknik pengambilan, proses, hingga
output sistem.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

BAB IV IMPLEMENTASI DAN ANALISIS HASIL

Bab ini berisi tentang implementasi berdasarkan metodologi yang
telah dipaparkan di bab sebelumnya.

BAB V KESIMPULAN DAN SARAN

Bab ini berisi tentang kesimpulan dan saran yang diberikan untuk
perbaikan sistem sehingga menjadi lebih baik dan bermanfaat.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

2. BAB II
LANDASAN TEORI

2.1 Information Retrieval

Information Retrieval merupakan sekumpulan algoritma dan teknologi
untuk melakukan pemrosesan, penyimpanan, dan menemukan kembali informasi
(tertstruktur) pada suatu koleksi data yang besar (Manning, 2008). Data yang
digunakan dapat berupa teks, tabel, gambar maupun video. Sistem IR yang baik
memungkinkan pengguna menentukan secara cepat dan akurat apakah isi dari
dokumen yang diterima memenuhi kebutuhannya.
2.1.1 Arsitektur Information Retrieval
2.1.1.1 Proses Retrieval
Proses information retrieval secara garis besar digambarkan dalam
gambar 2.1 di bawah ini:

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 2.1 Proses Information Retrieval (Manning, 2008)

Secara detail, penjelasan mengenai arsitektur information retrieval
terdiri dari beberapa langkah, yaitu :
1. Langkah pertama dalam proses retrieval adalah merancang dan
memodelkan bentuk dari data yang akan digunakan untuk
keperluan information retrieval.
Penentuan jenis dokumen yang akan digunakan (Semi
Structured dan Unstructured)

Semistructured (dokumen yang memiliki

struktur tree, misalnya dokumen XML)
biasanya memberikan tag tertentu pada term
term pada dokumen.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Unstructured (dokumen yang tidak memiliki

pola, misalnya artikel atau paragraf) proses
ini akan dilewati dan term pada dokumen
akan dibiarkan tanpa imbuhan tag.

Operasi dasar yang akan dilakukan terhadap text pada isi

dokumen.
Sistem akan membentuk indeks dari text.
2. Indeks merupakan bagian yang sangat kritikal karena akan
berpengaruh pada proses pencarian yang cepat dalam volume data
yang sangat besar. Struktur indeks dapat berbeda-beda, namun
yang paling popular untuk digunakan adalah inverted index.
3. Ketika document data text selesai dibentuk, maka user sudah
dapat melakukan pencarian. Langkah-langkah yang harus
dilakukan pada pencarian adalah sebagai berikut :

Pada suatu kebutuhan pencarian data atau kebutuhan

informasi pengguna akan merepresentasikan kebutuhan
tersebut dengan menggunakan query.

Query Operation akan dilakukan setelah user menginput

query.

Proses searching pada query akan menghasilkan retrieved

documents.

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Sebelum data dikembalikan ke user, dokumen yang diretrieved akan diranking berdasarkan kedekatan dokumen
dengan query.

2.1.1.2 Text Operation

Text Operation berperan penting dalam proses information
retrieval, karena seluruh proses yang berhubungan dengan penggalian
informasi dari sumber dokumen ataupun teks dilakukan pada proses text
operation. Text operation memilki beberapa langkah yang dapat dilakukan
di dalam sebuah sistem Information Retrieval, berikut adalah langkahlangkah pada text operatrion:

Tokenisasi

Penghilangan Stop-word

Stemming

Indexing

2.1.1.2.1 Tokenization
Tokenisasi merupakan proses pemenggalan kata dalam suatu
dokumen menjadi potongan potongan kata yang berdiri sendiri (token).
Proses ini juga akan menghilangkan tanda baca atau karakter yang melekat
pada kata tersebut dan semua kata menjadi huruf kecil (Manning, 2008).
Contoh tokenisasi :
Input :Friends, Romans, Countrymen, Lend, Me, Your, Eyes
Output : Friends Romans Countrymen Lend Me Your Eyes

10

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Terkadang token dapat dikatakan juga sebagai term atau kata. Pemotongan
kumpulan karakter biasanya berdasarkan karakter spasi, namun beberapa
permasalahan yang terjadi dalam proses tokenisasi yaitu terdapat beberapa
kata yang akan berbeda arti bila dipotong berdasarkan spasi seperti San
Fransisco akan memiliki arti yang berbeda bila dipotong menjadi San dan
Fransisco. Setiap dokumen dan query direpresentasikan dengan model
bag-of-words, yaitu model yang mengabaikan urutan dari kata kata dan
struktur yang ada di dalam dokumen. Dokumen diubah menjadi sebuah
wadah yang berisi kata kata yang independen.
2.1.1.2.2 Penghilangan Stop Word
Stop-word didefinisikan sebagai term yang tidak berhubungan
(non-relevant) dengan subjek utama dari data meskipun kata tersebut
sering muncul di dalam dokumen. Penghilangan stop-word tidak bersifat
wajib pada beberapa desain dari modern information retrieval, dimana
memliki cara sendiri untuk menyelesaikan masalah kata-kata yang sering
digunakan dengan menggunakan data statistik. Contoh stop-word dalam
Bahasa Inggris adalah : a, an, the, this, that, these, those, her, his, its, my,
our, their, your, all, few, many, several, some, every, for, and, nor, bit, or,
yet, so, also, after, although, if, unless, because, on, beneath, over, of,
during, beside, dan etc. Contoh stop-word dalam bahasa Indonesia : yang,
juga, dari, dia, kami, kamu, aku, saya, ini, itu, atau, dan, tersebut, pada,
dengan, adalah, yaitu, ke, tak, tidak, di, pada, jika, maka, ada, pun, lain,
saja, hanya, namun, seperti, kemudian, dan dll.

11

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Stop-word juga bisa dilakukan dengan memotong kata berdasarkan

distribusi kata (Zipf Distrubution). Zipf Distrubution merupakan
pembagian/distribusi frekuensi kata, dapat digambarkan seperti gambar
2.2. Pada tahap ini dilakukan pemotongan kata yang memiliki frekuensi
sangat tinggi maupun rendah, dengan demikian dapat dikatakan Zipf
Distribution dapat memotong batas kata yang optimum untuk memberikan
ciri atau key word dari suatu dokumen.

Gambar 2.2 Distribusi Zipf (Manning, 2008)

2.1.1.2.3 Stemming
Sebuah kata kerja dalam dokumen sering kali memiliki banyak
bentuk atau tata bahasa yang berbeda, untuk mengatasinya dilakukan
stemming. Tujuan akhir dari stemming adalah mereduksi kata menjadi kata
dasar, proses ini dilakukan dengan pemotongan akhiran dan awalan kata.
Hasil dari langkah stemming diperoleh kelompok kata yang mempunyai
makna serupa tetapi berbeda wujud sintaktis satu dengan lainnya.
Kelompok tersebut dapat direpresentasikan oleh satu kata tertentu.
Meskipun demikian stemming dan lemmatisasi memiliki perbedaan dalam

12

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

cara kerjanya. Stemming melakukan proses pemotongan akhiran dan

awalan untuk mencapai tujuan tersebut, sedangkan lemmatisasi melihat
penggunaan kata kerja serta analisis morfologi terlebih dahulu sebelum
melakukan pemotongan, hasil dari lemmatisasi biasa disebut dengan
lemma. Misalkan sebuah kata saw, stemming hanya akan mengembalikan
kata see, sedangkan lemmatisasi akan memotongnya ke bentuk see atau
saw tergantung pada penggunaan katanya sebagai verb atau noun. Setiap
bahasa tentunya memiliki norma stemming yang berbeda, maka tahap
stemming untuk Bahasa Jawa tentunya memiliki proses yang berbeda
(Ledy Agusta, 2009), berikut adalah langkah stemming untuk Bahasa
Jawa:
2.1.1.2.3.1 Aturan / Rule Stemming
Sebelum membuat aturan stemming untuk bahasa Jawa, diuraikan
terlebih dahulu penggunaan simbol-simbol dalam membuat stemmer rule
(Widjono, dkk, 2011) :
1. Aturan substitusi/penghapusan menggunakan tanda =>.
ny =>
ny => s

(ny dihapus)
(ny diganti s)

2. Simbol <> digunakan untuk menyatakan tingkat affix yang mempengaruhi

urutan pengecekan di algoritma stemming. Rule yang digunakan adalah
sebagai berikut :

13

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 2.1 Rule untuk Suffix

SUFFIX
<1> e=>"",n=>"",a=>"",i=>"",ing=>"", ku=>"",mu=>""
<2> ke=>"", ki=>"",wa=>"", ya=>"",na=>"",ne=>"",en=>"",an=>"",ni=>"",nira=>"", ipun=>"",
on=>"u", ning=>""
<3> ake=>"", en=>"i", kna=>"n", kno=>"n", ana=>"", ono=>"", ane=>"", kne=>"", nan=>"",
yan=>"", nipun=>"", oni=>"u", eni=>"i"
<4> kake=>"n", ken=>"" ,kke=>"",nana=>"",nono=>"", nane=>"", nen=>"",kna=>"",kno=>"",
ekne=>"i", onan=>"u",enan=>"i"
<5> kake=>"",kken=>"",aken=>"",kke=>"n",enana=>"i",enono=>"i",onen=>"u",enen=>"i",onana=>
"u",onono=>"u", ekna=>"i",ekno=>"i",okno=>"u",okna=>"u"
<6> ekken=>"i",kaken=>"n",okken=>"u",ekake=>"i",ekke=>"i",okake=>"u",okke=>"u",
kaken=>"", kken=>"n"
<7> ekaken=>"i",okaken=>"u"

Tabel 2.2 Rule untuk Prefix

PREFIX
<1>

dipun=>"",peng=>"",peny=>"",pem=>"",pam=>"",pany=>"",pra=>"",kuma=>"",kapi=>"",
bok=>"",mbok=>"",dak=>"",tak=>"",kok=>"",tok=>"",ing=>"",ang=>"",any=>"", am=>"",
sak=>"",
se=>"",su=>"",mang=>"",meng=>"",nge=>"",nya=>"",pi=>"",ge=>"",ke=>"",u=>"",
po=>"u",ke=>"u"

<2>

mer=>"",mra=>"",mi=>"",sa=>"",ku=>"",an=>"",ka=>"",ny=>"s",ng=>"k",di=>"",peng=>"
k",pang=>"k",pany=>"c", pam=>"p",ke=>"i",mang=>"k",meng=>"k"

<3>

a=>"",k=>"",pam=>"w",pan=>"t", pen=>"t",mang=>"w",meng=>"w", ny=>"c",ng=>""

14

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

<4>

n=>"t", pan=>"s", pen=>"s",man=>"s",men=>"s"

<5>

pan=>"",pen=>"",man=>"t",men=>"t",n=>""

<6>

pa=>"",pe=>"",man=>"",men=>""

<7>

p=>"",ma=>"",me=>""

<8>

m=>"w"

<9>

m=>"p"

<10>

m=>""

Tabel 2.3 Rule untuk Infix

INFIX
<1>

gum=>"b",gem=>"b",kum=>"p",kem=>"p"

<2>

kum=>"w", kem=>w

2.1.1.2.3.2 Algoritma Stemming

Algoritma untuk melakukan proses stemming terhadap kata tunggal atau
duplikasi.
1. Kata berimbuhan adalah word. Kata sebagai hasil adalah stemW
2. Cek jumlah karakter word, jika < 2. Keluar.
3. Jika word mengandung -, maka pecah kata berdasar - menjadi w1
dan w2. Dan lakukan langkah 4-13
4. w11 = w1 tanpa vokal dan w21 = w2 tanpa vokal.
5. Jika w11 = w21 dan panjang w1=w2 maka lakukan langkah 6-8
6. Jika w2 ada di kamus maka stemW=w2 dan keluar.
7. Jika w2 tidak ada di kamus, w22= hilangkan imbuhan(w2).

15

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

8. Jika w22 ada di kamus maka stemW=w22, jika tidak

stemW=w1-w2 dan keluar.
9. Jika w11 != w21, lakukan langkah 10-13
10. ws11=hilangkan imbuhan(w1) dan ws21 = hilangkan
imbuhan(w2).
11. Cek ws21 di kamus, jika ada maka stemW=ws21 dan
keluar.
12. Cek ws11 di kamus, jika ada maka stemW=ws11 dan
keluar.
13. Jika tidak maka stemW=ws11-ws21 dan keluar.
14. stemW = hilangkan imbuhan(stemW). Cek stemW di dictionary. Jika
ada stemW dikembalikan dan keluar.
Algoritma untuk menghilangkan afiks pada kata berimbuhan.
1. Kata yang akan dihilangkan imbuhan adalah word.
2. ws1=hapus suffix (word). Cek di dictionary. Jika ada kembalikan kata.
3. ws1s2=hapus suffix (ws1). Cek di dictionary. Jika ada kembalikan
kata.
4. ws1i1=hapus infix (ws1). Cek di dictionary. Jika ada kembalikan kata.
5. dws1= pengulangan parsial (ws1). Cek di dictionary. Jika ada
kembalikan kata.
6. dws1s2= pengulangan parsial (ws1s2). Cek di dictionary. Jika ada
kembalikan kata.
7. wp1=hapus prefix (word). Cek di dictionary. Jika ada kembalikan kata.

16

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

8. dwp1= pengulangan parsial (wp1). Cek di dictionary. Jika ada

kembalikan kata.
9. wp1s1=hapus suffix(wp1). Cek di dictionary. Jika ada kembalikan
kata.
10. dwp1s1= pengulangan parsial (wp1s1). Cek di dictionary. Jika ada
kembalikan kata.
11. wp1s1s2=hapus suffix (wp1s1). Cek di dictionary. Jika ada
kembalikan kata.
12. wp1p2=hapus prefix (wp1). Cek di dictionary. Jika ada kembalikan
kata.
13. wp1p2s1=hapus suffix (wp1p2). Cek di dictionary. Jika ada
kembalikan kata.
14. wp1p2s1s2=hapus suffix (wp1p2s1). Cek di dictionary. Jika ada
kembalikan kata.
15. wi1=hapus infix (word). Cek di dictionary. Jika ada kembalikan kata.
16. wi1s1=hapus suffix (wi1). Cek di dictionary. Jika ada kembalikan kata.
2.1.1.3 Indexing
Proses indexing adalah proses yang merepresentasikan document
collection ke dalam bentuk tertentu untuk memudahkan dan mempercepat
proses pencarian dokumen yang relevan. Pembuatan index dari document
collection adalah tugas pokok pada tahapan pre-processing di dalam
information retrieval. Efektitifitas dan efisiensi information retrieval
dipengaruhi oleh kualitas indeks-nya. Pengindeksan membedakan

17

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

dokumen satu dengan dokumen yang lain yang berada di dalam satu
collection. Indeks dengan ukuran yang kecil dapat memberikan hasil yang
kurang baik dan bisa saja beberapa dokumen yang seharusnya relevan
terabaikan. Sementara indeks dengan ukuran yang besar memungkinkan
ditemukannya dokumen yang tidak relevan dan menurunkan kecepatan
pencarian. Pembuatan inverted index harus melibatkan konsep linguistic
processing yang bertujuan mengekstrak term-term penting dari dokumen
yang direpresentasikan sebagai bag-of-words.
Pada tahap indexing, dapat dilakukam pengindeksan terhadap term
frekuensi (tf), idf, tf-idf, atau fitur bobot tf-idf dapat dihitung sebagai
berikut:

w i , j (1 log tfi , j ) log10 ( N / df i )

(2.1)

df i = frekuensi dokumen dari kata i

= jumlah dokumen yang berisi kata i
idfi = inverse document frequency dari kata i,
= log10 (N/ df i)
(N: jumlah total dokumen).
W=weight (bobot kata)

Contoh pembobotan kata pada dokumen:

Diberikan dokumen berisi kata A,B,C dengan frekuensi :
A(3), B(2), C(1)
Misal, ada koleksi berisi 10,000 dokumen dan frekuensi kata A, B, C
untuk seluruh dokumen:

18

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

A(50), B(1300), C(250)

Maka :
A: tf = 3; idf = log(10000/50) = 2.3;

tf-idf = 6.9

B: tf = 2; idf = log(10000/1300) = 0.88;tf-idf = 1.77

C: tf = 1; idf = log(10000/250) = 1.6; tf-idf = 1.6
2.2 Clustering
2.2. K Means Clustering
K Means clustering merupakan metode yang populer digunakan untuk
mendapatkan deskripsi dari sekumpulan data dengan cara mengungkapkan
kecenderungan setiap individu data untuk berkelompok dengan individuindividu data lainnya. Kecenderungan pengelompokan tersebut didasarkan
pada kemiripan karakteristik tiap individu data yang ada. Ide dasar dari
metode ini adalah menemukan pusat dari setiap kelompok data yang mungkin
ada untuk kemudian mengelompokkan setiap data individu ke dalam salah
satu dari kelompok-kelompok tersebut berdasarkan jaraknya (Turban dkk,
2005). Semakin dekat jarak data individual, sebut saja X1 dengan salah satu
pusat dari kelompok yang ada , sebut saja A, maka semakin jelas bahwa X1
tersebut merupakan anggota dari kelompok yang berpusat di A dan semakin
jelas pula bahwa X1 bukan anggota dari kelompok-kelompok yang lainnya
(ilustrasi dapat dilihat pada gambar 1). Secara kuantitatif hal ini ditunjukkan
melalui fakta bahwa d1A yaitu jarak dari X1 ke A mempunyai nilai yang
paling kecil jika dibandingankan dengan d1B dan d1C.

19

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 2.3 Ilustrasi Penentuan Keanggotaan Kelompok Berdasarkan Jarak

(Turban dkk, 2005)
Cara untuk menemukan pusat yang paling sesuai sebagai upaya
merepresentasikan posisi dari sebuah kelompok data terhadap kelompok data yang
lainnya dilakukan sebuah proses perulangan. Proses perulangan ini dimulai
dengan menentukan secara sembarang posisi dari pusat-pusat kelompok yang
telah ditetapkan. Selanjutnya ditentukan keanggotaan setiap individu data
berdasarkan jarak terpendek terhadap pusat-pusat tersebut. Pada iterasi kedua dan
seterusnya dilakukan pembaharuan posisi pusat untuk semua kelompok. Langkah
selanjutnya dilakukan pembaharuan keanggotaan untuk setiap kelompok.
2.2.1 Langkah K Means Clustering
Metode pengelompokkan K Means pada dasarnya melakukan dua proses yakni
proses pendeteksian lokasi pusat cluster dan proses pencarian anggota dari tiap-

20

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

tiap cluster dan proses pencarian anggota dari tiap-tiap cluster. Proses Algoritma
K Means sebagai berikut :
1. Tentukan K sebagai jumlah cluster yang ingin dibentuk.
2. Bangkitkan K centroid (titik pusat cluster) awal secara random.
3. Hitung jarak setiap data ke masing-masing centroid.
4. Setiap data memilih centroid yang terdekat.
5. Tentukan posisi centroid baru dengan cara menghitung nilai rata-rata
dari data-data yang terletak pada centroid yang sama.
6. Kembali ke langkah 3 jika posisi centroid baru kurang dari centroids
lama.
Berdasarkan cara kerjanya Algoritma K Means memiliki karakteristik sebagai
berikut :
1. K Means sangat cepat dalam proses clustering.
2. K Means sangat sensitif dalam proses pembangkitan centroid awal secara
random.
3. Memungkinkan suatu cluster tidak mempunyai anggota.
4. Hasil clustering dengan K Means bersifat tidak unik.
Proses pengelompokkan data ke dalam suatu cluster dapat dilakukan dengan cara
menghitung jarak terdekat dari suatu data ke sebuah titik centroid. Rumus untuk
menghitung jarak tersebut menggunakan euclidean matrix:
(2.3)
dimana:

21

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

g = 2, untuk menghitung jarak euclidean

xi , xj adalah dua buah data yang akan dihitung jaraknya
p = dimensi dari sebuah data
Pembaharuan suatu titik centroid dapat dilakukan dengan rumus berikut:

(2.4)
dimana:
k = titik centroid dari cluster ke-K
Nk = banyaknya data pada cluster ke-K
xq = data ke-q pada cluster ke-K

2.2.2 Hierarchical Clustering

Metode agglomerative hierarchical clustering adalah metode yang
menggunakan strategi disain bottom-up yang dimulai dengan meletakkan setiap
obyek sebagai sebuah cluster tersendiri (atomic cluster) dan selanjutnya
menggabungkan atomic cluster atomic cluster tersebut menjadi cluster yang
lebih besar dan lebih besar lagi sampai akhirnya semua obyek menyatu dalam
sebuah cluster atau proses berhenti jika telah mencapai batasan kondisi tertentu
(Arai ,2007).
Sebelum dibentuknya sebuah cluster perlu melalui langkah menghitung
jarak antara obyek data untuk mengetahui kemiripan data. Salah satu cara yang

22

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

banyak digunakan adalah dengan perhitungan euclidean distance. Euclidean

distance sendiri adalah:
(

(|

| ) (2.5)

dapat disederhanakan dengan:

(

(2.6)

Keterangan:

adalah jumlah atribut atau dimensi

dan

adalah data

Hierarchical clustering memiliki beberapa cara untuk perhitungan jarak

antar cluster, di antaranya adalah single linkage, average linkage, dan complete
linkage. Berikut ini adalah pendevinisian perhitungan jarak dengan cara single
linkage:
Perhitungan dengan teknik single linkage adalah untuk mencari jarak minimum
antar cluster. Dengan single linkage jarak antara dua cluster didevinisikan sebagai
berikut:
(

(2.7)

Keterangan:
*

+ adalah jarak antara data

dan y dari masing-masing cluster A dan B.

Berdasarkan perhitungan rumus di atas akan didapatkan jarak antar cluster. Jarak
minimum antar data yang ditemukan pertama akan menjadi cluster yang pertama.
Perhitungan selanjutnya juga akan dilakukan untuk pembentukan cluster
selanjutnya. Berdasarkan hasil perhitungan akan diperoleh dendrogram.

23

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

J a r ak

1,5
1

0,5
0

Data

Gambar 2.4 Dendrogram

Penggunaan metode hierarchical clustering untuk mengelompokkan n
obyek data adalah sebagai berikut :
1. Hitung Matrik Jarak antar data.
2. Ulangi langkah 3 dan 4 higga hanya satu kelompok yang tersisa.
3. Gabungkan dua kelompok terdekat berdasarkan parameter kedekatan yang
ditentukan.
4. Perbarui Matrik Jarak antar data untuk merepresentasikan kedekatan di
antara kelompok baru dan kelompok yang masih tersisa.
5. Selesai.
Sebagai contoh, terdapat beberapa data yang dapat dilihat pada tabel 2.4 di
bawah ini. Data akan dibentuk dengan menggunakan hierarchical clustering
dengan perhitungan kemiripan obyek data menggunakan euclidean distance dan
perhiutngan jarak cluster dengan single linkage.

24

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 2.4 Contoh Data Perhitungan hierarchical clustering

Data

Dihitung dengan euclidean distance setiap obyek data tersebut dihitung

jaraknya sebagai berikut:
(

(|

| )

(|

| )

(|

| )

(|

| )

(|

| )

(|

| )

(|

| )

(|

| )

(|

| )

(|

| )

Berdasarkan perhitungan tersebut dapat dibentuk matriks jarak seperti

seperti pada tabel 2.5.

25

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 2.5 Matriks jarak

3.61

3.16

3.16

3.16

3.16

2.83

4.47

3.61

3.16

2.83

3.16

4.47

Single linkage
Selanjutnya dari tabel 2.5 dapat dilihat jarak obyek data yang paling dekat,

yaitu a dan c, berjarak 1. Kedua obyek data ini menjadi satu cluster pertama.
Kemudian untuk menemukan cluster berikutnya dicari jarak antar obyek data dari
sisa yang ada (b, d, e) dan berada paling dekat dengan cluster (ac). Untuk
pencarian jarak ini pertama digunakan single linkage.

+
+
+

Kemudian baris-baris dan kolom-kolom matriks jarak yang bersesuaian

dengan cluster a dan c dihapus dan ditambahkan baris dan kolom untuk cluster
(ac), sehingga matriks jarak menjadi seperti berikut ini:

26

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 2.6 Matriks Jarak Pertama single linkage

Ac

Ac

2.83

4.47

3.16

3.16

B
D

Berdasar pada matriks jarak kedua (Tabel 2.6), dipilih kembali jarak
terdekat antar cluster. Ditemukan cluster (de) yang paling dekat, yaitu bernilai 2.
Kemudian dihitung jarak dengan cluster yang tersisa, (ac), dan b.

)(

+
+

+
+

Kemudian baris-baris dan kolom-kolom matriks jarak yang bersesuaian

dengan cluster d dan e dihapus dan ditambahkan baris dan kolom untuk cluster
(de), sehingga matriks jarak menjadi seperti berikut ini:
Tabel 2.7 Matriks Jarak Kedua single linkage

Ac
B
De

Ac

De

2.83

3.16
0

27

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Berdasar pada matriks jarak ketiga (Tabel 2.7), dipilih kembali jarak
terdekat antar cluster. Ditemukan cluster (acde) yang paling dekat, yaitu bernilai
2.83. Kemudian dihitung jarak dengan cluster yang tersisa, yaitu b.

Langkah selanjutnya yaitu menghapus dan menambahkan baris dan kolom

untuk cluster (acde) baris-baris dan kolom-kolom matriks jarak yang bersesuaian
dengan cluster (ac) dan (de), sehingga matriks jarak menjadi seperti berikut ini:
Tabel 2.8 Matriks Jarak Ketiga single linkage

Acde
B

acde

3
0

Proses iterasi perhitungan jarak untuk pembentukan cluster sudah slesai

karena cluster sudah tersisa satu. Jadi cluster (acde) dan (b) digabung menjadi
satu, yaitu cluster (acdeb) dengan jarak terdekat adalah 3. Berikut ini adalah hasil
dendrogram hasil hierarchical clustering dengan single linkage:

28

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 2.5 Dendrogram single linkage untuk 5 obyek data

2.3 Hierarchical K Means

Menurut eksperimen yang telah dilakukan, metode K Means sudah
digunakan untuk metode pengelompokan data set. Hal itu dapat dibuktikan
dengan prosentase eror yang minimal, namun seiring berjalannya waktu,
eksperimen tentang clustering lebih berkembang dengan adanya metode
Hierarichal K Means yang dapat menentukan centroid awal yang akan
digunakan untuk clustering pada metode K Means. Ternyata metode
Hierarichal K Means dapat mengatasi pemilihan centroid secara random yang
memikiki tingkat eror lebih besar dan dalam penggunannya dianggap kurang
praktis karena harus melakukan beberapa eksperimen dalam menentukan
centroid awal yang tepat. Harapannya dengan diterapkan Hierarichal K Means
dapat meningkatkan akurasi dan menurunkan prosentasi erornya, disebutkan
dalam penelitian, ternyata eror pada metode K Means dengan centroid
random sebesar 32.5236%, sedangkan dengan metode Hierarichal K Means
erornya dapat diminimalisir menjadi 29.7753% (Arai ,2007).

29

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Berikut adalah langkah dalam menentukan centoid awal dengan menggunakan

hierarchical K Means :
1. Set X ={xi | i =1, ..., r} i setiap data A, dimana A {ai | i= 1, ..., n} dengan
n-dimensi vektor.
2. Set K sebagai jumlah _ cluster yang telah ditetapkan.
3. Tentukan p sebagai banyaknya perhitungan
4. Set i = 1 sebagai counter awal
5. Terapkan algoritma K Means.
6. Catat hasil centroid hasil Clustering sebagai Ci = {ij | j = 1, ..., K}
7. Tambahkan i = i + 1
8. Ulangi dari langkah 5 saat i <p.
9. Asumsikan C = {Ci | i = 1, ..., p} sebagai satu set data baru, dengan K
sebagai nomor _ cluster yang telah ditetapkan
10. Terapkan algoritma hirarki (single linkage)
11. Catat hasil centroid Clustering sebagai D = {di | i = 1, ..., K}
Langkah berikutnya adalah menerapkan D = {di | i = 1, ..., K} sebagai
pusat klaster awal untuk K Means. Penggunaan algoritma hirarki

untuk

menemukan centroid awal dipilih single linkage, karena single linkage

penerapannya mudah selain itu ternyata tidak ada perbedaan signifikan
dibandingkan dengan average maupun complete linkage (Arai, 2007).
2.3. Evaluasi
Berkaitan dengan evaluasi yang digunakan pada penelitian ini, digunakan
dua jenis evaluasi. Evaluasi yang digunakan adalah evaluasi internal dan

30

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

eksternal. Evaluasi yang pertama adalah evaluasi internal sistem, dimana

berfungsi untuk mengukur kinerja K Means clustering ini menggunakan Sum
Square Erorr (SSE). Evaluasi bertujuan untuk menilai kualitas cluster yang
dibuat. Kinerja sistem yang dievaluasi dengan menghitung nilai akurasi, dari
perhitungan akurasi akan diketahui sejauh mana metode K Means dapat
mengelompokkan dokumen apa topik artikel Berbahasa Jawa. Semakin kecil nilai
SSE semakin baik hasil cluster yang dibuat.

||

||

(2.8)

Keterangan:

adalah jarak data

adalah rata-rata semua jarak data

di indeks
di cluster

Evaluasi yang diterapkan berikutnya adalah evaluasi yang berkaitan

dengan eksternal sistem, yaitu mengukur akurasi dari pengelompokkan dokumen
hasil dari internal evaluasi. Langkah yang dilakukan adalah membandingkan
setiap anggota cluster dengan manual pengelompokkan yang sudah dibuat, dalam
hal ini sudah ditentukan pembagian cluster dokumen berdasarkan topik (ekonomi,
kesehatan, dan pendidikan), dimana masing-masing kelompok beranggotakan 25
dokumen. Metode pengukuran akurasi eksternal yang digunakan adalah
confussion matrix. Tabel matriks konfusi merupakan tabel yang digunakan untuk
menghitung tingkat akurasi setiap cluster, dimana setiap anggota cluster
dibandingkan dengan anggota cluster yang ideal (Prasetyo E, 2012).
Perhitungannya adalah jumlah data benar yang dibagi dengan jumlah data.

31

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

3. BAB III
METODOLOGI PENELITIAN
Berdasar pada landasan teori yang telah disampaikan pada bab kedua di
atas, pada bab ini akan membahas metodologi yang akan digunakan pada skripsi
ini. Bab ini berisi diagram blok, data, tatap muka pengguna dan evaluasi.
3.1 Data
Data yang digunakan adalah artikel yang bersumber dari majalah
berbahasa Jawa Mekarsari, Praba, dan Djaka Lodhang yang terlebih dahulu
diubah menjadi dokumen berekstensi .txt . Data yang digunakan berjumlah 75
dokumen, dengan jumlah kata unik yang digunakan 2.358 kata.
3.1.1 Jenis Data
Jenis data yang diambil adalah artikel dari majalah Djaka Lodhang, Praba,
dan Mekarsari diubah ke bentuk dokumen berkestensi .txt. Data yang dipilih,
berasal dari tiga kelompok, yaitu pendidikan, kesehatan, dan ekonomi.
3.2 Teknik Analisis Data
Secara umum, sistem yang akan dibangun dalam penelitian ini adalah
sebuah sistem dengan fungsi utama untuk melakukan pengelompokan dokumen
berbahasa Jawa. Dokumen yang akan dikelompokkan adalah artikel yang diambil
dari majalah berbahasa Jawa yaitu Djaka Lodhang, Praba, dan Mekarsari. Proses
pengelompokan yang digunakan pada sistem ini adalah metode Hierarchical K
Means. Praktiknya, dokumen-dokumen yang akan dikelompokkan dijadikan
sebagai arsip digital dengan ekstensi .txt. File teks inilah yang nantinya akan

32

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

diproses oleh sistem melalui proses tokenizing, stemming, indexing, pembobotan,

clustering, percobaan, dan evaluasi. Proses-proses tersebut dapat dilihat pada
Gambar 3.1 .

Input
Data

IR

Hiearchical
Kmeans

Tokenizing

K Means

StopWord

Hierarchical

Output

Akurasi

Hasil Cluster

SSE

(Single Linkage)
Confusion
Matrix

Stemming
K Means
Indexing

Gambar 3.1 Diagram Block Proses Clustering.

Pada Gambar 3.1 dapat diketahui terdapat input data kemudian
dilakukan text operation. Pada proses tersebut didapat dari proses
tokenizing untuk memisah kata atau terms kemudian dilakukan
normalisasi dengan melakukan stopword, stemming, dan pembobotan
data

model.

Langkah

berikutnya

adalah

dengan

melakukan

pengelompokan dengan metode K Means untuk mendapatkan himpunan

centroid, dimana proses menghitung jarak dokumen dengan centroid
dilakukan menggunakan euclidean distance. Setelah mendapatkan hasil

33

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

himpunan centroid, langkah selanjutnya adalah melakukan langkah

hierarchical single linkage untuk mendapatkan centroid baru sejumlah
tiga buah (di rata-rata). Hal ini dilakukan untuk mendapatkan centroid
lebih tepat dibandingkan pemilihan centroid random. Langkah berikutnya
yaitu memproses pengelompokan dengan metode K Means dengan
centroid baru. Hasil dari K Means clustering dievaluasi dengan SSE guna
mendapatkan error minimum dan menemukan pembagian cluster yang
baik. SSE yang minimum akan membantu dalam dalam mengevaluasi
eksternal sistem, yaitu dengan menguji pengelompokan anggota
kelompok dari sistem yang kemudian dibandingkan dengan manual
cluster, dimana berisi anggota cluster yang ideal.

3.2.1 Text Operation

3.2.1.1 Information Retrieval (Tokenization,Stop Word, Steming, Indexing)
Pada tahap information retrieval dilakukan langkah untuk mencapai calon data
yang akan dikelompokkan. Langkah-langkah yang dilakukan adalah:
1. Tokenization
Proses yang dilakukan pada tahap ini adalah memenggal kata-kata yang
ada pada dokumen menjadi kata-kata yang berdiri sendiri.
2. Stop Word
Proses yang dilakukan pada tahap ini adalah menghilangkan kata yang
tidak memiliki makna (misal: kata hubung dan kata depan), pada tahap ini

34

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

juga diterapkan Zipf Distrubution untuk menemukan range frekuensi kata

yang optimum untuk menemukan key word dari suatu dokumen.
3. Steming
Pada tahap ini setiap hasil kata yang sudah tereduksi dari proses stop word
dilakukan penghapusan kata menjadi kata dasar yang kemudia dicocokkan
ke kamus untuk menghasilkan kata unik.
4. Indexing
Pada tahap ini setiap kata unik diberi bobot kata dengan menggunakan
rumus weighting (tf.idf) seperti yang sudah dijelaskan di bab sebelumnya.

Gambar 3.2 Pembobotan tf-idf

Tabel 3.1 Pembobotan
PEMBOBOTAN IDF

TF

IDF

w=tf*idf

Pergok

1,77815125

1,77815125

Wong

1,77815125

1,77815125

Nandhang

1,77815125

1,77815125

Racun

2 1,477121255 1,477121255

Dhahar

2 1,477121255 2,954242509

*log yang digunakan basis 10

pergok: tf = 1; idf = log(60/1) = 1,77815125;

W = 1,77815125

35

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

wong:

tf = 1; idf = log(60/1) = 1,77815125;

W = 1,77815125

nandhang: tf = 1; idf = log(60/1) = 1,77815125; W = 1,77815125

kemudian hasil pembobotan kata pada dokumen disimpan pada
matriks calonData sebagai berikut:
( )
( ( )
( )

( )
( ))
( )

dimana w merupakan bobot dari term i sepanjang jumlah kata unik

(horizontal) dan yang vertikal sepanjang/sejumlah dokumen.

3.2.1.2 K Means (pertama)

Langkah setelah dilakukannya pembobotan adalah melakukan
pengelompokan,

pengelompokan

yang

digunakan

adalah

menggunakan K Means untuk mendapatkan himpunan centroid. Hal

ini diawali dengan memilih centroid awal = 3 centroid, dipilih tiga
centroid dikarenakan sudah dibatasi dengan pengelompokan topik
yang diasumsikan menjadi tiga kelompok/cluster, yaitu ekonomi,
kesehatan, dan pendidikan. K Means ini dilakukan sebanyak jumlah
computation/jumlah
computation

dilakukannya

menghasilkan

metode
tiga

centroid

Means

(c=3),

random

yang

digunakan{c1,c3,c5}, computation 2 menghasilkan tiga centroid

random yang digunakan {c1,c4,c5}, dan computation 3 menghasilkan
tiga centroid random yang digunakan ={c2,c4,c6}. Berdasarkan proses
K Means dengan computation=3, maka diperoleh 9 centroid awal.

36

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Kemudian dilanjutkan dengan menghitung euclidean distance untuk

menghitung jarak masing-masing centroid ke setiap dokumen.

Contoh menghitung euclidean distance dari dokumen 1 ke

dokumen 1 dan dokumen 1 ke dokumen 2:

Tabel 3.2 Perhitungan Jarak antara Dokumen dengan Centroid

Pergok(w) Sum
doc1

1,778151 1,778151

doc2

wdc1
doc1

doc1

sum

3,161822 3,161822

doc2

Sum
3,161822 3,161822

doc2

dj q

dj q

W2

3,161822
3,161822 x 3,161822

dj q

dj q

0
3,161822 x 0

Lakukan untuk semua himpunan centroid dan kemudian lanjutkan dengan proses
hierarchical single linkage.

37

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

3.2.1.3 Hierarchical Centroid awal

Himpunan centroid yang diperoleh dari langkah sebelumnya digunakan
dalam proses hierarchical single linkage. Hal pertama yang dilakukan adalah
menghitung jarak minimum antar centroid dengan rumus:
(3.1)
Langkah berikutnya yaitu menggabungkan dua kelompok terdekat berdasarkan
jaraknya.

Gambar 3.3 Langkah Menghitung Jarak Minimum pada single linkage

Langkah berikutnya yaitu memperbarui matrik jarak antar data untuk
merepresentasikan kedekatan di antara kelompok baru dan kelompok yang masih
tersisa.

38

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 3.4 Langkah Menghitung Menggabungkan Kelompok yang

Berdekatan
Berdasarkan proses menggabungkan kelompok terdekat yang sudah dilakukan
didapatkah dendrogram sebagai berikut:

Gambar 3.5 Dendrogram

39

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tahap ini bertujuan untuk mendapatkan tiga buah cluster, maka bisa dipotong
pada dendogram, sehingga diperoleh pusat cluster sebagai berikut:
Tabel 3.3 Hasil Himpunan Cluster Berdasarkan Pemotongan
c1

c2

c3

Ab

Cde

1,2

3,4,5

Langkah di atas merupakan langkah pemilihan centroid dari himpundan centroid

hasil single linkage. Centroid yang dipilih adalah:
C1 adalah rata-rata dari feature dari indeks 1 dan 2
C2 adalah rata-rata dari feature dari indeks 3,4, dan 5
C3 adalah rata-rata dari feature dari indeks 6 (dapat langsung diambil
indeks 6).
3.2.1.4 K Means (kedua)
Langkah ini memerlukan centroid baru yang didapat dari proses
sebelumnya, maka ditentukan centroid baru sebagai berikut: c1, c2, dan c3.
Gunakan rumus euclidean distance untuk menghitung jarah terdekat dokumen
dengan centroid awal, misa dokumen 1 dan 2 dari centroid 1(dokumen1)

dj q

dj q

3,161822

1
3,161822 x 3,161822

dj q

dj q

0
3,161822 x 0

40

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 3.4 Hasil iterasi K Means yang Sudah Stabil

Lakukan langkah K Means sampai anggota setiap centroid tidak terjadi peubahan,
dan ternyata iterasi berhenti di iterasi 1 (2 kali iterasi), sehingga didapatkan
pengelompokan dengan anggota cluster sebagai berikut:
Kelompok 1 : doc 1 dan 2
Kelompok 2 : doc 3,4, dan 5
Kelompok 3 : doc 6
3.2.1.5 Output
Output yang diharapkan pada penelitian ini adalah menampilkan pembagian
cluster, sehingga secara visual dapat dilihat hasil pembagian cluster-nya
3.2.1.6 Penghitungan Evaluasi
Penelitian ini menggunakan beberapa prosedur uji coba, di antaranya
variasi jenis range kata unik yang digunakan dan variasi computation(c) yang
merupakan jumlah dilakukan K Means pertama. Berdasarkan prosedur uji coba di
atas dihasilkan SSE sebagai akurasi internal sistem di setiap pembentukan cluster-

41

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

nya. SSE dengan nilai yang paling rendah mengindikasikan bahwa cluster yang
terbentuk adalah yang paling baik. Nilai SSE terkecil dipilih sebagai pedoman
pengukuran akurasi eksternal sistem, yaitu pencocokan hasil pengelompokan
dokumen dengan dokumen yang sebenarnya. Pada pengujian eksternal sistem ini
dapat digunakan confussion matrix sebagai metodenya.
3.3 Desain User Interface

Tabel Hasil
Pengujian

akurasi
Dendrogram

button

button
Gambar 3.6 Tampilan Menu Utama

3.4 Spesifikasi Software dan Hardware

Untuk proses membuat sistem dan data digunakan software dan hardware
sebagai berikut :
1. Software
a) Sistem Operasi : Windows 7 Ultimate 32-bit
b) Bahasa Pemprograman : Matlab version 8.0.0.783 (R2012b)
2. Hardware
a) Processor : Intel(R) Core(TM) i5-2430M CPU @ 2.40GHz
b) Memory : 2 GB
c) Hardisk : 500 GB

42

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

4. BAB IV
IMPLEMENTASI DAN ANALISIS HASIL

Berdasarkan metodologi yang dijelaskan pada bab sebelumnya, maka

penelitian ini dapat diimplementasikan dengan langkah-langkah sebagai berikut:
4.1 Implementasi
Implementasi yang diterapkan pada bab ini merupakan penerapan
metodologi yang telah dipaparkan pada bab sebelumnya. Implementasi mencakup
proses information retrieval, pengelompokan data dengan hierarchical K Means,
hinga pengukuran akurasi dari sistem dengan menggunakan SSE dan confussion
matrix. Pada tahap selanjutnya diimplementasi dengan ujicoba dan kemudian
dianalisis. Analisis implementasi meliputi user interface dan pengolahan data.
4.1.1 User Interface
Pembuatan user interface sistem pengelompokan artikel berbahasa Jawa
menggunakan sarana yang diberikan oleh Matlab version 8.0.0.783 (R2012b).
Desain

user

interface

yang

telah

dipaparkan

pada

bab

sebelumnya

diimplementasikan dan digunakan sebagai sarana untuk melakukan text operation

sampai untuk mengetahui akurasi dari pengelompokan data dengan Hierarchical
K Means. Sistem dapat langsung menampilkan hasil keseluruhan proses. User
interface tersimpan dengan file yang bernama GUI.m dan GUI.fig (lampiran 1 dan
2). Gambar 4.1 dan 4.2 adalah contoh tampilan keseluruhan sistem yang telah
dibentuk.

43

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.1 Implementasi User Interface Awal (sebelum proses dilakukan)

Gambar 4.2 Implementasi User Interface (setelah dilakukan proses)

Berdasarkan gambar di atas dapat dilihat bahwa pengguna hanya perlu
menekan button Preprocessing untuk menghasilkan calon data yang siap untuk
dilakukan proses pengelompokan. Proses pengelompokan dilakukan setelah
pengguna menekan button Proses, setelah button Proses ditekan, maka akan
menghasilkan ouput berupa pengelompokan data beserta akurasinya baik itu

44

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

internal maupun eksternal. Berikut adalah penjelasan lebih lengkapnya mengenai

user interface yang dibuat:

Proses input data sengaja tidak ditampilkan pada user interface karena
data yang digunakan sudah tetap dan menempel pada code program.
Pengguna cukup untuk menekan button preprocessing untuk melakukan
information retrieval pada dokumen dan button proses untuk melakukan
proses pengelompokan. Pengguna juga dapat mengetahui proses dari
sistem melalui informasi teks iterasi dan melalui message yang
memberikan informasi bahwa suatu proses telah dilakukan, dapat dilihat
di gambar 4.3 di bawah.

Gambar 4.3 Button Preprocessing dan Button Proses

Hasil proses yang ditampilkan pada sistem ini adalah:

1. Hasil stemming berupa kata unik.
Panel ini berfungsi untuk menampilkan hasil dari yang berupa kata
unik dari seluruh dokumen berdasarkan hasil stemming yang telah
dilakukan dan diurutkan sesuai abjad. Seperti yang dilihat pada
gambar 4.4, kolom A menampilkan frekuensi/jumlah dari kata di
indeks i, sedangkan kolom Bb menampilkan kata uniknya.

45

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.4 Hasil Kata Unik

2. Hasil dari pengelompokan yang terbaik (nilai SSE minimum)
Panel ini berfungsi untuk menampilkan hasil dari pengelompokan
terbaik, terbaik di sini berarti memiliki SSE yang minimum. Karena setiap
proses diuji dengan range dan computation yang berbeda (masing-masing
ada dua jenis) sehingga mengasilkan empat buah indeks yang menyatakan
hasil

pengelompokan

(lihat

gambar

4.5).

Hasil

yang

memiliki

pengelompokan terbaik ditandai dengan warna untuk memudahkan

pengguna. Secara berurutan, labek yang terdapat pada tabel hasil
percobaan dijelaskan sebagai berikut:

Iterasi merupakan jumlah computation, yaitu berapa kali

iterasi proses K Means dilakukan (digunakan 2 dan 4).

CutTF_0 adalah batas bawah dari jumlah frekuensi kata

unik yang digunakan (ditentukan batas bawah 50 dan 70).

46

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

CutTF_1 adalah batas atas dari jumlah frekuensi kata unik

yang digunakan (ditentukan batas atas 90 dan 150).

SSE

merupakan

hasil

evaluasi

internal

dari

pengelompokkan yang dilakukan.

Cls1 merupakan jumlah dari anggota kelompok 1, begitu

pula dengan Cls2 dan Cls3 yang merupakan jumlah
anggota dari kelompok 2 dan 3.

Gambar 4.5 Hasil Pengelompokan Terbaik

3. Hasil dari pembagian anggota cluster yang terbaik

Data dokumen dipetakan berdasarkan pengelompokannya. Pada
user interface ini digunakan tabel yang menampung pembagian
cluster data awal dengan tabel(lihat gambar 4.6) . Harapannya
pengguna dapat dengan mudah mengetahui identitas cluster dari tiap
dokumen berdasarkan visualisasinya.

47

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.6 Anggota Cluster dari Pengelompokan Terbaik

4. Centroid terbaik yang digunakan

Centroid terbaik juga ditampilkan agar pengguna bisa mengetahui
centroid yang didapat dari hasil single linkage. Gambar 4.7
menampilkan centroid dengan visualisasi tabel yang berisi tiga buah
titik pusat/centroid dimana memiliki feature sepanjang kata unik yang
digunakan untuk proses pengelompokan.

Gambar 4.7 Hasil Centroid Terbaik yang Digunakan Pengelompokan

48

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

5. Hasil dendrogram dari pemilihan himpunan centroid terbaik

Hasil dendrogram dapat memvisualisasikan himpunan centroid
hasil dari proses K Means (lihatt gambar 4.8). Apabila digambarkan
melalui grafik koornidat (x,y), maka koordinat axis (x) berisi
pemetaan indeks dari centroid dan y adalah jarak dari tiap centroid.
Pertemuan antara garis dendrogram membantu secara visual
mengenali dendrogram itu baik atau tidak. Dendrogram yang baik
adalah seimbang apabila dilihat secara visual, maka dengan
melihatnya saja dapat mengetahui centroid yang dipilih baik atau
tidak.

Gambar 4.8 Hasil Himpunan Centroid yang Divisualisasikan dengan

Dendrogram
6. Akurasi berdasarkan pengelompokan terbaik
Panel akurasi dapat dilihat pada gambar 4.9, panel ini berfungsi
untuk menampilkan hasil dari evaluasi pengelompokan dokumen
secara eksternal yang dinyatakan dalam skala prosentase

Gambar 4.9 Hasil Akurasi Berdasarkan Pengelompokan Terbaik

49

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

7. Message Informasi
Message Box (lihat gambar 4.10) merupakan feedback dari suatu
aksi yang dilakukan pengguna, aksi yang dilakukan adalah menekan
button proses dan button preprocessing. Message box membantu
pengguna dalam mengetahui suatu proses yang dilakukan sistem.

Gambar 4.10 Peringatan/Informasi dari Aksi Menekan Button Preprocessing

dan Proses
4.1.2 Pengolahan Data
Data yang digunakan adalah artikel yang bersumber dari majalah
berbahasa Jawa Mekarsari, Praba, dan Djaka Lodhang yang terlebih dahulu
diubah menjadi dokumen berekstensi .txt . Data yang digunakan berjumlah 75
dokumen. Data yang diambil dibagi menjadi tiga kelompok yang diasumsikan
memiliki topik yang bervarisasi. Berikut adalah gambaran data yang digunakan
(lihat gambar 4.11 dan 4.12) :

50

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.11 Jumlah Data Dokumen yang Digunakan

Gambar 4.12 Salah Satu Contoh Data Dokumen

51

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

4.1.1.1 Text Operation

Tahap awal sebelum data masuk ke pengelompokan dokumen adalah
memproses data mentah (berupa dokumen) menjadi matriks numerik berupa hasil
pembobotan. Proses ini merupakan langkah dari information retrieval. Tahap
information retrieval yang harus dilalui adalah :
1. Tokenizing
Proses information retrieval diawali dengan membaca seluruh dokumen
kemudian menyimpannya dalam sebuah matriks. Pada saat proses membaca data,
tahap tokenizing dilakukan. Hal ini bertujuan untuk memenggal dokumen menjadi
kata-kata yang berdiri sendiri. Berikut adalah implementasi dari proses tokenizing
dengan menggunakan matlab. Data dokumen dibacauntuk dipisahkan atau
dipenggal menjadi kata-kata yang mandiri. Kemudian dinormalisasi dengan
lowercase atau membuat semua huruf menjadi kecil. Setelah itu karakter (angka,
tanda baca, dll) harus dihapus. Hasil tokenizing kemudian disimpan di
dataAwal.txt. Gambar 4.13 merupakan hasil visualisasi dari proses tokenizing
for i=1:N
%baca dokumen
alamatFile=strcat('doc\',int2str(i),'.txt');
fileID = fopen(alamatFile); % Membuka file
data = textscan(fileID,'%s'); % Membaca file
fclose(fileID); % Menutup file

data=data{1}; % Memasukkan data ke dalam matriks

data=regexprep(data,'[<>.,?!"-+=\/:[];_12345678910]','
'); % Menghilangkan tanda baca

data=strtrim(data);
data(strcmp('',data)) = []; % Menghilangkan cell yang kosong
data=lower(data); % Mengubah huruf besar menjadi kecil
fid = fopen('Data\dataAwal.txt','w');

52

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

for row = 1:size(data,1)

fprintf(fid, repmat('%s\t',1,size(data,2)-1),
data{row,1:end-1});
fprintf(fid, '%s\n', data{row,end});
end
fclose(fid);

Gambar 4.13 Hasil Tokenizing

2. Stop Word
Proses stop word merupakan langkah lanjutan dari proses Tokenizing.
proses ini membuang kata-kata yang tidak memiliki arti seperti halnya kata
hubung. Pada tahap ini juga ditambahkan metode distribusi Zipf, yaitu melakukan
pemotongan kata yang memiliki frekuensi kemunculan terlalu banyak maupun
terlalu sedikit. Hal ini dilakukan untuk mencari ciri atau key word dari suatu
dokumen. Pada penelitian ini digunakan dua buah range frekuensi kata. Range
pertama (50-150) dan range ke dua (70-90). Batasan ini dipilih karena batasan
tersebut paling optimum (berdasarkan ujicoba yang telah dilakukan). Berikut

53

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

adalah implementasi dari stop word dan penggunaan zipf distribution dimana hasil
dari proses tersebut dapat dilihat melalui gambar 4.14.
%cek data dengan kamus stop word
yaTdk=ismember(matrixGabungan,kamusHubung);
[m,n]=size(matrixGabungan);
dataTemp=[];
z=1;
for j=1:m
if yaTdk(j,1)==0
dataTemp{z}=matrixGabungan{j};
z=z+1;
end
end
hasilStem=dataTemp';
%potong frekuensi kata dengan batas atas dan batas bawah
%=======================================================
for i=1:m
if jmlPerKataUnik(i,1)>batasAwal(k,1) &&
jmlPerKataUnik(i,1)<batasAkhir(k,1)
dataTemp2(x,1)=jmlPerKataUnik(i,1);
dataTemp3{x,1}=kataUnik{i,1};
x=x+1;
else
dataTemp4(y,1)=jmlPerKataUnik(i,1);
dataTemp5{y,1}=kataUnik{i,1};
y=y+1;
end
end
jmlPerKataUnik= dataTemp2;
kataUnik= dataTemp3;

Gambar 4.14 Hasil Stop Word

54

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

3. Stemming
Berdasarkan proses stop word, didapatlah matriks yang berisi kata-kata,
namun kata-kata tersebut harus melalui sebuah tahap lagi yang dinamakan tahap
stemming. Pada tahap ini setap kata akan dicek menggunakan stemmer Bahasa
Jawa, dimana setiap imbuhan baik itu di awal, tengah, maupun akhir akan
dihilangkan sehingga dihasilkan kata dasar. Proses berikutnya adalah pengecekan
kata dasar ke kamus Bahasa Jawa, kata dasar yang tidak ada dalam kamus akan
dihilangkan. Data awal yang digunakan diambil dari dataHasil.txt yang
merupakan hasil dari proses sebelumnya. Setiap kata yang ada pada data awal
dicek untuk menemukan kata dasar dengan menggunakan algoritma stememer
bahasa Jawa yang diimplementasikan pada stemcoba.pl (terlampir pada lampiran
7). Kata dasar yang terdapat di dalam kamus disimpan dalam matriks hasilStem
untuk proses selanjutnya, yaitu pembobotan. Berikiut adalah implementasinya,
untuk lebih jelasnya bisa dilihat gambar 4.15
perl('stemcoba.pl');
fileID = fopen('Data\dataHasil.txt');
data = textscan(fileID,'%s');
fclose(fileID);
hasilStem=data{1};
hasilStem=regexprep(hasilStem,'-','');
hasilStem=strtrim(hasilStem);
hasilStem(strcmp('',hasilStem)) = [];
matrixFIle{i} = hasilStem;

55

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.15 Hasil Stemming

4. Indexing
Data yang dihasilkan proses stemming dilanjutkan dengan proses
pembobotan. Proses ini diawali dengan menghitung frekuensi kata dari tiap kata
yang pada tiap dokumen, kemudian dilanjutkan dengan mengalikannya dengan
idf. Berdasarkan perhitungan tf dan idf , diterapkanlah rumus pembootan/weight
(tf.idf). Data hasil dari proses stemming yang telah dibobot mengasilkan sebuah
matriks, yang kemudian disebut sebagai calonData yang siap untuk digunakan di
tahap clustering. Berikut adalah implementasinya, dimana hasil dari implementasi
pembonbotan dapat dilihat pada gambar 4.16.
countKataUnik = sum(jmlPerKataUnik);
[m,n]=size(jmlPerKataUnik);
matrixBobot=zeros(m,n);
for i=1:m
matrixBobot(i)=log10(countKataUnik/jmlPerKataUnik(i));
end
calonData=zeros(size(matrixBobot,1),N);

56

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

for i=1:N
tempMatrixFile=matrixFIle{i};
[m,n]=size(tempMatrixFile);
for j=1:m
[row,~] = find(ismember(kataUnik,tempMatrixFile(j,1)));
calonData(row, i)=matrixBobot(row,1);
end
end
calonDataCell{k}=calonData';

Gambar 4.16 Hasil Indexing

4.1.1.2 Hierarchical K Means

Tahapan yang dilakukan setelah pembobotan adalah tahap clustering atau
pengelompokan. Tahap ini menjadi dasar untuk menjawab rumusan masalah yang
sudah dipaparkan di bab pendahuluan. Implementasi yang dilakukan pada taham
ini adalah melakukan pengelompokan dokumen. Hal-hal yang harus dilakukan
adalah:

57

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

1. K Means
Pada tahap ini, hasil dari pembobotan, data dikelompokkan dengan
menggunakan metode K Means yang implementasinya sudah terlampir
pada lampiran 4, yaitu dengan menggunakan fungsi() Kmeans1 yang ada
pada Kmeans1.m. Hal pertama yang dilakukan adalah menentukan jumlah
cluster. Jumlah cluster yang digunakan pada penelitian ini adalah tiga
buah, selanjutnya centroid harus ditentukan terlebih dahulu, pada
penelitian ini centroid K Means yang pertama dilakukan secara random
atau acak. Setiap term/kata pada setiap dokumen diukur jaraknya dengan
masing-masing centoid awal menggunakan euclidean distance. Proses ini
dilakukan sampai tidak terjadi perubahan centorid atau letak indeks dari
dokumen tidak berubah lagi. Proses K Means pertama dilakukan sampai
batas computation (c), dimana c bernilai dua dan empat. Pengulangan K
Means pada penelitian ini bertujuan untuk menghasilkan himpunan
centroid random yang nantinya menjadi data awal proses Agglomerative
Hierarchical Clustering dengan tujuan untuk mengasilkan centroid
terbaik.
2. Agglomerative Hierarchical Clustering (Single Linkage)
Proses Agglomerative Hierarchical Clustering yang dipilih adalah
single linkage. Metode ini dipilih karena penggunaannya menggunakan
himpunan centroid sebagai data awal, yang nantinya akan dikelompokkan
berdasarkan jarak dengan salah satu Agglomerative Hierarchical
Clustering yaitu Single Linkage. Perhitungan jarak yang digunakan adalah

58

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

dengan rumus euclidean distance. Berdasarkan perhitungan jarak, diambil

jarak minimum, karena metode single linkage yang digunakan, maka
perhitungan jarak minimum lah yang digunakan .
Hasil dari perhitungan jarak minimum antar centroid akan
membentuk berupa pasang-pasangan data centroid. Pasangan himpunan
centroid dapat dilihat melaui gambar dendrogram 4.17 . Hasil dendrogram
dipotong sejumlah kebutuhan centroid. Pada penelitian ini hasil cluster
single linkage dilakukan pemotongan guna memperoleh jumlah centroid
yang diinginkan, yaitu tiga buah centroid. Pemotongan himpunan cluster
harus terlebih dahulu melalui perhitungan rata-rata tiap cluster centroid
untuk mendapatkan tiga titik pusat dari himpunan centroid. Hasil keluaran
dari tahap ini adalah berupa tiga buah centroid terbaik yang siap
digunakan sebagai centroid awal tahap berikutnya. Berikut adalah
implementasi yang digunakan dengan memakai variabel clusterSingle
yang memanggil fungsi linkage() yang disediakan oleh matlab linkage.m:
% Clustering Single
clusterSingle=linkage(hasilKmeans,'single','euclidean');

Gambar 4.17 Dendrogram

59

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

3. K Means
Pada tahap ini K Means kembali dilakukan, implementasinya
sudah terlampir pada lampiran 4, yaitu dengan menggunakan fungsi()
Kmeans1 yang ada pada Kmeans1.m, namun terdapat perbedaan proses
yang dilakukan, yaitu berkaitan dengan pemilihan centroid yang sudah
ditentukan berdasarkan hasil dari single linkage. Sama halnya dengan
proses K Means sebelumnya, iterasi K Means dilakukan sampai tidak
terjadi perubahan centorid atau letak indeks dari dokumen tidak berubah
lagi. Berikut adalah centroid hasil single linkage yang digunakan sebagai
centroid awal(gambar 4.18).

Gambar 4.18 Centroid Awal

4.1.1.3 Output
Berdasarkan data yang diolah melalui berbagai macam proses yang sudah
dipaparkan di atas, maka didapatlah hasil output berupa hasil terbaik dari
pembagian cluster beserta anggota dari pembagian cluster dari setiap dokumen
(berdasarkan jumlah computation K Means dan range pemotongan kata unik).
Perlu adanya dilakukan evaluasi dari output penelitian ini. Pada langkah
selanjutnya akan dibahas perhitungan akurasi baik itu internal maupun eksternal

60

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

dapat dijelaskan diproses selanjutnya. Implementasi yang dilakukan untuk

menghasilkan ouput adalah berikut:
Untuk menghasilkan output jumlah pembagian anggota cluster maka variabel
yang digunakan untuk menampung adalah jmlObyekCls yang menampung hasil
dari proses fungsi Kmeans1(), pada pembentukanCls.m(lampiran 5) begitu juga
untuk menampilkan pembagian anggota, dibutuhkan variabel pembagianCls untuk
menampung hasil dari proses fungsi Kmeans1(), pada pembentukanCls.m. Hasil
visualisasi dari ouput Hierarchical K Means dapat dilihat pada gambar 4.19 dan
4.20
[pembagianCls,cPusat,jmlObyekCls,dist]=Kmeans1(N,calonData,3,3,1);
[~,nCd]=size(calonData1);
iterasi=0;
for i=1:mC
for j=1:nCd
iterasi=iterasi+1;
set(handles.txtIterasi,'String',num2str(iterasi));
[calonData,dist,SSE,jmlObyekCls,pembagianCls,cPusat,clusterSingle]
= pembentukanCls(calonData1{1,j},N,jmlCluster,c(i,1));
dataTemp=[c(i,1),batasAwal(j,1),batasAkhir(j,1),SSE,jmlObyekCls(1,
1),jmlObyekCls(2,1),jmlObyekCls(3,1)];
data=[data;dataTemp];
dataTemp=[];
nDist{iterasi,1}=dist;
nPembagianCls{iterasi,1}=pembagianCls;
nCPusat{iterasi,1}=cPusat;
nClusterSingle{iterasi,1}=clusterSingle;
nCalonData{iterasi,1}=calonData;
pause(3)
end
end

61

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.19 Pembagian Cluster Beserta Anggotanya

Gambar 4.20 Pembagian Anggotanya Cluster

4.1.2 Akurasi
Proses menghitung akurasi yang dilakukan pada penelitian ini dibagi
menjadi dua jenis, yaitu internal dan eksternal. Penghitungan akurasi yang
dilakukan berdasarkan percobaan berbagai jumlah computation (2 dan 4) dan
macam pemotongan range frekuensi dari kata (distribusi Zipf), sehingga
dihasilkan empat macam percobaan dilakukan.
Tahap pengecekan internal diukur dengan menghitung (Sum of Square
Error) SSE, dimana SSE terkecil memberikan hasil pengelompokan dokumen

62

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

yang

paling baik. Implementasi dari SSE dapat dilihat dari lampiran 6 di

hitungSSE.m.

Gambar 4.21 Pemilihan SSE Minimum

Dapat dilihat pada gambar 4.21, bahwa SSE yang minimum(diberi warna)
harapannya menghasilkan pembagian anggota cluster yang palling baik. Nilai
SSE dapat membantu dalam menentukan cluster yang baik. Apabila nilai SSE
mendekati 0, maka dapat dikatakan pembagian cluster tersebut baik.
Tahap evaluasi eksternal dilakukan pada penelitian ini adalah dengan
menggunakan confusion matrix berdasarkan nilai SSE yang minimum

guna

mendapatkan akurasi eksternal terbaik dari tiap cluster, dimana data hasil
pengelompokan dihitung dengan membandingkan antara hasil pengelompokan
yang dihasilkan sistim dengan pengelompokan data yang ideal. Pengecekan
dilakukan setiap cluster hasil sistem dengan cluster ideal. Berdasarkan dari
pengecekan setiap anggota cluster antara sistem dengan ideal, terbentuklah
diagonal yang menyatakan hasil yang cocok atau sesuai. Hasil dari diagonal
dijumlahkan kemudian dibagi dengan sejumlah data. Inilah hasil dari evaluasi
internal sistem. Pada penelitian kali ini proses running dilakukan 10 kali dengan
empat macam percobaan yang berbeda, sehingga didapatkan empat akurasi yang
berbeda .
63

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Gambar 4.22 Hasil Akurasi

4.2 Analisis Hasil

Implementasi yang telah dipaparkan di atas membantu analisis terhadap
pengelompokan artikel berbahasa Jawa sebagaimana judul dari tulisan ini.
Analisis ini dilakukan terhadap seluruh artikel berbahasa Jawa, dengan demikian
diharapkan dapat diketahui kelompok dari artikel dan mengetahui jenis topik
artikel pada dokumen berbahasa Jawa. Seluruh artikel yang telah dikumpulkan
diolah melalui tahap information retrieval data awal berupa dokumen
diperlakukan beberapa tahap seperti tokenizing untuk memenggal dokumen
menjadi kata per kata, stop word untuk menghilangkan tanda baca dan kata-kata
yang tidak memiliki arti, serta digunakan distribusi zipf untuk menghilangkan kata
yang memiliki frekuensi terlalu rendah dan terlalu tinggi. Tahap berikutnya adalah
stemming, yaitu untuk mengubah kata menjadi kata dasar dan kemudian
mencocokkan

pada

kamus

apakah

ada

atau

tidak,

kata-kata

yang

diambil/digunakan adalah kata-kata yang ada pada kamus untuk dijadikan kata
unik yang kemudian dicek ke data awal untuk menentukan jumlah
kemunculan/frekuensi dari kata tersebut. Kata

harus terlebih dahulu diubah

menjadi data numerik melalui proses indexing. Proses indexing berfungsi untuk
mencari mana kata yang bisa menjadikan suatu ciri khas dari sebuah dokumen,

64

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

karena kata yang lebih sering muncul pada suatu dokumen dianggap lebih
penting.
Untuk mengukur keberhasilan dari penulisan ini adalah dengan
menggunakan percobaan. Langkah mengetahuinya adalah dengan melakukan
percobaan. Berikut adalah langkah-langkah perobaan yang dilakukan:
1. Menentukan jumlah cluster=3, sesuai dengan topik yang telah
ditentukan sebelumnya
2. Memilih computation (c) awal (jumlah dilakukan K Means
pertama), ditentukan dua buah parameter percobaan, c=2 dan c=4.
Computation dipilih 2 dan 4 karena di penelitian sebelumnya
digunakan 10 computation dari 1000, karena pada percobaan ini
jumlah data ada 75, maka dipilihlah computation 2 dan 4 agar
kurang lebih serupa dengan perbandingan antara jumlah data
dengan computation-nya.
3. Menerapkan distribusi zipf dengan memilih beberapa range
pemotongan frekuensi kata unik yang digunakan, dengan
menentukan range pertama 0-152(tanpa pemotongan frekuensi),
range ke dua 20-130, range ke tiga 50-150, range ke empat 7090, dan range ke lima 75-85.
4. Tiap

dipasangkan

dengan

masing-masing

range

untuk

mendapatkan akurasi dan errornya.

5. Melakukan masing-masing percoabaan dengan tiap percobaan
diulangi 10 kali.

65

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.1 Percobaan 1 dengan range term frekuensi 0-152 (tanpa pemotongan
term) dengan jumlah kata unik 2.358

No

Hasil Percobaan

Hasil
Hasil SSE
Akurasi
Pembentukan
(confusion
cluster
matrix)

20,6 %

>12588

17%

>12940

21,3%

>11106

17,3%

>14128

17%

>13948

66

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

23%

>14361

17%

>14294

20,6%

>12339

20,6%

>13233

10

17,3%

>14219

Tabel 4.2 Hasil Akurasi 1 dengan tf 0-152(tanpa pemotongan) dengan jumlah

kata unik 2.358
max
min
rerata

SSE
Akurasi
14361 23,00%
11106 17,00%
13315,6 19,17%

67

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.3 Percobaan 2 dengan range term frekuensi 20-130, dengan jumlah
kata unik 236.

No

Hasil Percobaan

Hasil
Hasil SSE
Akurasi
Pembentukan
(confusion
cluster
matrix)

38,6 %

>685

40%

>730

37,3%

>800

37,3%

>1030

37,3%

>977

68

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

40%

>678

36%

>1043

38,6%

>763

37,3%

>1040

10

38,6%

>954

Tabel 4.4 Hasil Akurasi 2 dengan tf 20-130 dengan jumlah kata unik 236.
SSE
max
min
rerata

Akurasi
1043 40,00%
678 36,00%
870 38,10%

69

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.5 Hasil Percobaan 3 dengan c=2 dan range 70-90 dengan jumlah kata
unik 11.
Percobaan
compt TF_0 TF_1 SSE(MIN)
ke:
1
2
3
4
5
6
7
8
9
10

2
2
2
2
2
2
2
2
2
2

70
70
70
70
70
70
70
70
70
70

90
90
90
90
90
90
90
90
90
90

22,83278
23,4099
22,10818
21,93853
22,39229
22,21632
19,84822
22,91106
22,22598
22,38202

Pembagian
Cluster
akurasi error
c1 c2 c3
29 27 19
20
80
29 20 26
24
76
24 22 29
70,6 29,4
30 24 21
63,5 36,5
13 36 26
24
76
26 19 30
32
68
34 19 22
24
76
24 23 28
20
80
15 32 28
73,3 26,7
14 30 31
77,3 22,7

Tabel 4.6 Hasil Akurasi 3 c=2 dan range 70-90 dengan jumlah kata unik 11.

max
min
rata-rata

SSE

Akurasi

23,4099
19,84822
22,22653

80%
63,5%
74,07%

70

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.7 Hasil Percobaan 4 dengan c=4 dan range 70-90 dengan jumlah kata
unik 11.
Percobaan
ke:
1
2
3
4
5
6
7
8
9
10

Compt TF_0 TF_1 SSE(MIN)

4
4
4
4
4
4
4
4
4
4

70
70
70
70
70
70
70
70
70
70

90
90
90
90
90
90
90
90
90
90

22,3336
20,7682
21,22373
22,06013
23,34443
22,9735
21,8329
18,6674
23,0809
22,9603

Pembagian
Cluster
akurasi
c1 c2 c3
35 17 23
66,6
31 27 17
52
18 27 30
72
32 24 19
54,6
27 25 23
70,6
21 26 28
62,6
18 30 27
58,65
26 20 29
62,6
25 26 24
65,3
25 25 25
70,6

error
33,4
48
28
45,4
29,4
37,4
41,35
37,4
34,7
29,4

Tabel 4.8 Hasil Akurasi 4 c=4 dan range 70-90 dengan jumlah kata unik 11.
SSE

Akurasi

max

23,34443

min
rata-rata

18,6674
52%
21,92451 63,555%

72%

71

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.9 Hasil Percobaan 5 dengan c=2 dan range 50-150 dengan jumlah kata
unik 40.
Percobaan
compt TF_0 TF_1 SSE(MIN)
ke:
1
2
3
4
5
6
7
8
9
10

2
2
2
2
2
2
2
2
2
2

50
50
50
50
50
50
50
50
50
50

150
150
150
150
150
150
150
150
150
150

98,5651
98,1921
98,6601
87,2725
106,6736
90,1228
100,9536
96,6804
100,60754
84,40719

Pembagian
Cluster
akurasi error
c1 c2 c3
41 5 29
44
56
21 29 25
40
60
22 29 24
32
68
15 28 32
48
52
17 33 25
54,6 45,4
38 32
5
57,3 42,7
10 37 28
36
64
23 27 25
40
60
28 21 26
44
56
25 37 13
48
52

Tabel 4.10 Hasil Akurasi 5 c=2 dan range 50-150 dengan jumlah kata unik 40.

max
min
rata-rata

SSE

Akurasi

106,6736
84,40719
96,21349

68%
52%
57,99%

72

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.11 Hasil Percobaan 6 dengan c=4 dan range 50-150 dengan jumlah
kata unik 40.
Percobaan
ke:
1
2
3
4
5
6
7
8
9
10

compt TF_0 TF_1 SSE(MIN)

4
4
4
4
4
4
4
4
4
4

50
50
50
50
50
50
50
50
50
50

150
89,773
150
99,9551
150 118,9248
150 94,631719
150
84,7839
150 111,2917
150
94,6199
150 107,8188
150
91,348
150
80,1049

Pembagian
Cluster
akurasi
c1 c2 c3
21 17 37
45,3
29 13 34
58,6
22 41 12
60
19 22 34
66,6
39 28
8
52
12 39 24
62,6
31 27 17
58,6
12 29 34
57,3
22 43 10
44
29 36 10
56

error
54,7
41,4
40
33,4
48
37,4
41,4
42,7
56
44

Tabel 4.12 Hasil Akurasi 6 c=4 dan range 50-150 dengan jumlah kata unik 40.
SSE
max
min
rata-rata

118,9248
80,1049
97,32518

Akurasi
66,6%
44%
56,1%

73

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Tabel 4.13 Percobaan 7 dengan range term frekuensi 75-85 dengan jumlah
kata unik 4.

No

Hasil Percobaan

Hasil
Hasil SSE
Akurasi
Pembentukan
(confusion
cluster
matrix)

40 %

>29,10

48%

>28,04

53,3%

>27,94

44%

>29,121

44%

>29,121

46,6%

>27,118

74

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

46,6%

>28,44

40%

>26,70

42,6%

>26,34

10

45,3%

>27,42

Tabel 4.14 Hasil Akurasi 7 dengan tf 75-85 dengan jumlah kata unik 4.
Max
Min
Rerata

SSE
Akurasi
29,121 53,30%
26,34 40,00%
27,934 45,04%

. Berdasarkan hasil tabel percobaan di atas (tabel 4.1-4.14) dapat ditarik

kesimpulan sebagai berikut:
1. Pada percobaan 1 yang menggunakan seluruh kata unik berjumlah
2358 kata ternyata didapati akurasi yang sangat rendah (rata-rata
19,17%). Hal ini terjadi karena terlalu banyak kata yang digunakan
sehingga terjadi bias dan ciri dari suatu dokumen pun juga

75

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

membias. Dapat juga dilihat dengan pembagian anggota cluster

yang terlalu timpang sehingga dihaslikan SSE yang sangat besar,
yaitu mencapai 13315 (menjauhi nol). Kata unik apa saja yang
digunakan dapat dilihat di lampiran 8.
2. Pada percobaan 2 yang menggunakan kata unik berjumlah 236 kata
dengan frekuensi

20-130 ternyata didapati akurasi lebih baik

daripada percobaan yang pertama (rata-rata akurasi 38,10% dan

SSE 870). Hal ini dikarenakan pembiasan ciri dari dokumen sedikit
menurun seiiring dengan dibuangnya kata dengan frekuensi yang
terlalu rendah dan terlalu tinggi. Kata unik apa saja yang digunakan
dapat dilihat di lampiran 9.
3. Pada percobaan 5 dan 6 menggunakan kata unik berjumlah 40 kata
dengan frekuensi 50-150 terjadi peningkatan akurasi yang cukup
signifikan, yaitu mencapai akurasi rata-rata 57,99% dengan ratarata SSE yang relatif lebih rendah yaitu 96,213. Hal ini
dikarenakan frekuensi kata unik yang digunakan lebih menyempit
dan mendekati ciri dari dokumen dan kata-kata yang tidak
memiliki makna semakin banyak tereduksi. Kata unik apa saja
yang digunakan dapat dilihat di lampiran 11.
4. Pada percobaan 3 dan 4 menggunakan kata unik berjumlah 11 kata
dengan frekuensi 70-90 . Pada range pemotongan inilah diperoleh
akurasi optimum, yaitu mencapai akurasi tertinggi 80% dengan
rata-rata SSE yang lebih rendah yaitu 19,85. Pada percobaan ini

76

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

semakin banyak kata yang terbuang, namun akurasinya justru

meningkat. Hal ini dikarenakan frekuensi kata unik yang
digunakan semakin menyempit, sehingga dihasilkan kata unik
dapat manjadi ciri dari dokumen. Kata unik apa saja yang
digunakan dapat dilihat di lampiran 10.
5. Pada percobaan 7 menggunakan kata unik berjumlah 4 kata dengan
frekuensi 75-85. Pada range pemotongan ini diperoleh akurasi
rata-rata 45,04% dengan rata-rata SSE 27,93. Pada percobaan ini
kata yang digunakan lebih sedikit daripada percobaan 3 dan 4,
namun akurasi yang dihasilkan justru menurun kembali. Hal ini
disebabkan karena kata unik pada range 75-85 terlalu sedikit
sehingga kata unik pada range tersebut tidak bisa mewakili dalam
merepresentasikan kelompok dokumen yang ada. Kata unik apa
saja yang digunakan dapat dilihat di lampiran 12.
Berdasarkan hasil percobaan yang telah dilakukan, terlihat jelas
pada pada tabel 4.5, dimana pemotongan frekuensi kata 70-90 (11 kata
unik) menghasilkan cluster dengan akurasi tertinggi 80% dan memiliki
rata-rata SSE 19,85. Dapat disimpulkan bahwa semakin banyak persebaran
frekuensi kata yang digunakan, maka error semakin besar (ditunjukkan
dengan percobaan 1 dan 2), namun hal ini tidak berlaku pada percobaan
dengan frekuensi pemotongan kata antara 75-85. Pada percobaan ini
jumlah kata unik yang digunakan semakin sedikit (4 kata), namun akurasi
yang dihasilkan justru menurun. Hal ini dikarenakan kata unik pada range

77

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

75-85 terlalu sedikit sehingga kata unik pada range tersebut tidak bisa
mewakili dalam merepresentasikan kelompok dokumen yang ada.

Gambar 4.23 Perbandingan Pemotongan Frekuensi Kata

Masuk ke proses pengelompokan, proses pengelompokan dilakukan
melalui tiga tahap, yaitu dengan K Means, single linkage, dan K Means kembali.
Berdasarkan percobaan yang dilakukan, ternyata computation dengan jumlah 2
relatif lebih baik, karena error yang dihasilkan lebih minimum. Metode
hierarchical K Means mengenai optimasi initial centorid ternyata dapat
diterapkan pada pengelompokan dokumen berbahasa Jawa. Dibuktikan dengan
hasil K Means kedua yang cukup baik karena menggunakan centroid hasil dari
hierarchical clustering walaupun hanya dengan sekali percobaan.
Setelah dilakukan pengelompokan, maka langkah berikutnya adalah
melakukan evaluasi, baik itu internal dan eksternal. Evaluasi internal diukur
berdasarkan SSE-nya. SSE yang minimum merupakan pembagian cluster yang
terbaik. Dapat dilihat di tabel percobaan 4.1-4.16, dimana SSE minimum
menghasilkan pengelompokan dengan jumlah anggota cluster yang relatif
seimbang. SSE juga digunakan sebagai parameter pengukuran evaluasi eksternal,
dengan mengambil percobaan dengan SSE minimum untuk dihitung pada proses
78

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

evalusi eksternal dengan menggunakan confussion matrix. Evaluasi eksternal

yang dilakukan adalah menghitung perbandingan antara anggota cluster yang
tepat atau relevan dengan dokumen dengan kelompok idealnya. Ternyata benar
adanya bahwa SSE minimum akan menghasilkan akurasi yang maksimum (lihat
gambar 4.21).

Gambar 4.24 Gambar Tabel Percobaan

79

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

5. BAB V
PENUTUP

Bab akhir tulisan ini berisikan tentang kesimpulan dan saran. Kesimpulan
berisi tentang hal-hal yang berkaitan dengan pengelompokan artikel berbahasa
Jawa. Saran akan memuat hal-hal yang berkaitan tentang pengembangan sistem
dalam tulisan ini.
5.1.Kesimpulan
Berdasarkan hasil analisis dari implementasi dan percobaan menggunakan
data artikel Berbahasa Jawa berjumlah 75 dan k(cluster)=3, dan dengan total kata
unik sebelum dilakukan pemotongan (2358 kata), diperoleh kesimpulan sebagai
berikut:
1. Percobaan dengan c=2(dilakukan dua kali K Means pertama secara random)
dan range term frekuensi 70-90 (11 kata unik) merupakan pengelompokan
yang terbaik dimana memiliki akurasi tertinggi (uji eksternal), yaitu 80% dan
dengan SSE (uji internal) 19,85.
2. Pada penelitian ini juga dilakukan percobaan lain dengan berbagai macam
range pemotongan term frekuensi (tf), sehingga didapatkan hasil sebagai
berikut:
a. Pada percobaan yang menggunakan seluruh kata unik (2358 kata)
ternyata didapati akurasi yang sangat rendah (rata-rata 19,17%).
Hal ini terjadi karena terlalu banyak kata yang digunakan sehingga
terjadi bias dan ciri dari suatu dokumen pun juga membias. Dapat

80

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

juga dilihat dengan pembagian anggota cluster yang terlalu

timpang sehingga dihaslikan SSE yang sangat besar, yaitu
mencapai 13315 (menjauhi nol).
b. Pada percobaan yang menggunakan kata unik berjumlah 236 kata
dengan frekuensi

20-130

ternyata didapati akurasi lebih baik

daripada percobaan yang tanpa melalui pemotongan term frekuensi

(rata-rata akurasi 38,10% dan SSE 870).
c. Pada percobaan yang menggunakan kata unik berjumlah 40 kata
dengan frekuensi 50-150 terjadi peningkatan akurasi yang cukup
signifikan, yaitu mencapai akurasi rata-rata 57,99% dengan ratarata SSE yang relatif lebih rendah yaitu 96,213. Hal ini
dikarenakan frekuensi kata unik yang digunakan lebih menyempit
dan mendekati ciri dari dokumen dan kata-kata yang tidak
memiliki makna semakin banyak tereduksi.
d. Pada percobaan yang menggunakan kata unik berjumlah 4 kata
dengan frekuensi 75-85. Pada range pemotongan ini diperoleh
akurasi rata-rata 45,04% dengan rata-rata SSE 27,93. Pada
percobaan ini kata yang digunakan lebih sedikit daripada
percobaan yang menggunakan range tf 70-90, namun akurasi yang
dihasilkan justru menurun kembali. Hal ini disebabkan karena kata
unik pada range 75-85 terlalu sedikit sehingga kata unik pada
range tersebut tidak bisa mewakili dalam merepresentasi data yang
ada.

81

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

5.2 Saran
Berikut adalah saran yang bisa membantu penelitian ini agar lebih baik dan
berkembang nantinya, antara lain:
1. Sebaiknya sistem dapat mengelompokkan topik selain ekonomi,
kesehatan, dan pendidikan, dengan asumsi jumlah data juga ditambahkan.
2. Sebaiknya sistem yang dibuat tidak hanya sebatas pengelompokan atikel
saja. Sebaiknya sampai pada pembentukan sistem pembantu pengambilan
keputusan, dengan demikian sistem yang dibuat kemungkinan akan dapat
lebih berdaya guna bagi penelitian yang lainnya.
3. Pengelompokan artikel berdasarkan topik sebaiknya dilakukan oleh pakar
di bidang Bahasa Jawa.

82

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

DAFTAR PUSTAKA
Alifina, Tahta., Santosa, Budi., Barakbah, Ridho A.(2012). Analisa Perbandingan
Metode Hierarchical Clustering, K-means dan Gabungan Keduanya dalam
Cluster Data (Studi kasus : Problem Kerja Praktek Jurusan Teknik Industri ITS).
Arai, K., & Barakbah, Ridho.(2007). Hierarchical K-means: an algorithm for centroids
initialization for K-means. Reports of the Faculty of Science and Engineering,
Saga Univ. Saga University, Vol. 36, No.1.
Baswede, Anand., Nalwade, Prakash.(2013). Selection of Initial Centroid for k-Means
Algorithm. International Journal of Computer Science and Mobile Computing.
Christopher, D. Manning, dkk. (2008). An Introduction to Information Retrieval.
Cambridge University Press. Cambrindge. England.
Gupta, Ledy.,(2009). Algoritma Stemming untuk Dokumen Teks Bahasa Jawa. Thesis
UGM Yogyakarta:UGM Yogyakarta.
Han, J., Kamber, M. (2006). Data Mining Concept and Technique, 2nd Ed, Elsevier.
Han, Jiawei., Micheline Kamber, Jian Pei. (2012). Data Mining Concepts and
Techniques,USA : Morgan Kaufmann.
Jiawei Han, M. K. (2011). Data mining Concepts and Techniques. USA: Morgan
Kaufmann.
Prasetyo, E. (2012). Data Mining: Konsep Dan Aplikasi Menggunakan Matlab.
Yogyakarta: Andi.
Prasetyo, E. (2014). Data Mining: Pengolahan Data Menjadi Informasi Menggunakan
Matlab. Yogyakarta: Andi.
Raharjo, Suwanto., & Winarko, Edi.(2014). Klasterisasi, Klasifikasi dan Peringkasan
Teks Berbahasa Indonesia. Prosiding Seminar Ilmiah Nasional Komputer dan
Sistem Intelijen (KOMMIT 2014).
Rani, HA., Supriyati, Endang., Khotimah, Tutik. (2014). Detekso Iris Mata untuk
Menentukan Kelebihan Kolesterol Menggunakan Ekstraksi Ciri Moment Invariant
dengan K-Means Clustering. Prosiding SNATIF ke-1.
Turban, E., dkk. 2005. Decision Support Systems and Intelligent Systems. Yogyakarta:
Andi Offset
Widjono,S.H.,Darmawan,J.B.,& Adji,S.E. (2011-2012). Pengaruh Stemming untuk
Perolehan Informasi dalam Bahasa Jawa. Penelitian Hibah Pekerti DIKTI.

83

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

LAMPIRAN

Source Code
1. GUI.fig

2. GUI.m
function varargout = GUI(varargin)
% GUI MATLAB code for GUI.fig
%
GUI, by itself, creates a new GUI or raises the
existing
%
singleton*.
%
%
H = GUI returns the handle to a new GUI or the handle
to
%
the existing singleton*.
%
%
GUI('CALLBACK',hObject,eventData,handles,...) calls
the local
%
function named CALLBACK in GUI.M with the given input
arguments.
%
%
GUI('Property','Value',...) creates a new GUI or
raises the
%
existing singleton*.
Starting from the left,
property value pairs are

84

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

%
applied to the GUI before GUI_OpeningFcn gets called.
An
%
unrecognized property name or invalid value makes
property application
%
stop. All inputs are passed to GUI_OpeningFcn via
varargin.
%
%
*See GUI Options on GUIDE's Tools menu. Choose "GUI
allows only one
%
instance to run (singleton)".
%
% See also: GUIDE, GUIDATA, GUIHANDLES
% Edit the above text to modify the response to help GUI
% Last Modified by GUIDE v2.5 22-Jun-2015 22:06:08
% Begin initialization code - DO NOT EDIT
gui_Singleton = 1;
gui_State = struct('gui_Name',
mfilename, ...
'gui_Singleton', gui_Singleton, ...
'gui_OpeningFcn', @GUI_OpeningFcn, ...
'gui_OutputFcn', @GUI_OutputFcn, ...
'gui_LayoutFcn', [] , ...
'gui_Callback',
[]);
if nargin && ischar(varargin{1})
gui_State.gui_Callback = str2func(varargin{1});
end
if nargout
[varargout{1:nargout}]
=
gui_mainfcn(gui_State,
varargin{:});
else
gui_mainfcn(gui_State, varargin{:});
end
% End initialization code - DO NOT EDIT

% --- Executes just before GUI is made visible.

function
GUI_OpeningFcn(hObject,
eventdata,
handles,
varargin)
% This function has no output args, see OutputFcn.
% hObject
handle to figure
% eventdata reserved - to be defined in a future version of
MATLAB
% handles
structure with handles and user data (see
GUIDATA)
% varargin
command line arguments to GUI (see VARARGIN)

85

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

% Choose default command line output for GUI

handles.output = hObject;
clc;
axes(handles.logo)
imshow('usd.jpg')
% Pengaturan awal tabel
set(handles.tblHasil,'ColumnWidth',{45,55,55,60,35,35,35,35}
);
set(handles.tblHasil,'Data',{});
set(handles.tblPembagianCls,'ColumnWidth',{30});
set(handles.tblPembagianCls,'Data',{});
set(handles.tblCentroid,'ColumnWidth',{45});
set(handles.tblCentroid,'Data',{});
set(handles.tblInfoTeks,'ColumnWidth',{40,75});
set(handles.tblInfoTeks,'RowName',{});
set(handles.tblInfoTeks,'Data',{});
set(handles.tblConfMat,'ColumnWidth',{50});
set(handles.tblConfMat,'Data',{});
set(handles.axCluster,'Visible','off');
% Update handles structure
guidata(hObject, handles);
% UIWAIT makes GUI wait for user response (see UIRESUME)
% uiwait(handles.figure1);

% --- Outputs from this function are returned to the command

line.
function
varargout
=
GUI_OutputFcn(hObject,
eventdata,
handles)
% varargout
cell array for returning output args (see
VARARGOUT);
% hObject
handle to figure
% eventdata reserved - to be defined in a future version of
MATLAB
% handles
structure with handles and user data (see
GUIDATA)
% Get default command line output from handles structure
varargout{1} = handles.output;

86

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

% --- Executes on button press in btnPreprocessing.

function
btnPreprocessing_Callback(hObject,
eventdata,
handles)
% hObject
handle to btnPreprocessing (see GCBO)
% eventdata reserved - to be defined in a future version of
MATLAB
% handles
structure with handles and user data (see
GUIDATA)
clc;
N=75;
fileID = fopen('kamus\hubung.txt'); % Membuka file
hubung = textscan(fileID,'%s'); % Membaca file
fclose(fileID); % Menutup file
kamusHubung=hubung{1};
%baca kamus, insset into matrix
fileID = fopen('kamus\kamus.txt'); % Membuka file
kamus = textscan(fileID,'%s'); % Membaca file
fclose(fileID); % Menutup file
dataKamus=kamus{1};
matFile = fullfile(cd, 'hasilPreprocessing.mat');
ada=exist(matFile, 'file');
if ada==1
delete(matFile);
end
batasAwal=[50;70];
batasAkhir=[150;90];
% handles.batasAwal=batasAwal;
% handles.batasAkhir=batasAkhir;
[jmlPerKataUnik,matrixFIle,kataUnik,calonData
]=preprocessing(batasAwal,batasAkhir,N,kamusHubung,dataKamus
);
save('hasilPreprocessing.mat','jmlPerKataUnik','matrixFIle',
'kataUnik','calonData','batasAwal','batasAkhir');
% handles.jmlPerKataUnik=jmlPerKataUnik;
% handles.matrixFIle=matrixFIle;
% handles.kataUnik=kataUnik;

87

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

uiwait(msgbox('Preprocessing
selesai.','Peringatan','modal'));

sudah

guidata(hObject, handles);

% --- Executes on button press in btnProses.

function btnProses_Callback(hObject, eventdata, handles)
% hObject
handle to btnProses (see GCBO)
% eventdata reserved - to be defined in a future version of
MATLAB
% handles
structure with handles and user data (see
GUIDATA)
clc;
set(handles.tblHasil,'Data',{});
set(handles.tblPembagianCls,'Data',{});
set(handles.tblCentroid,'Data',{});
set(handles.tblInfoTeks,'Data',{});
set(handles.tblConfMat,'Data',{});
set(handles.axCluster,'Visible','off');
set(handles.txtIterasi,'String','0');
set(handles.txtJmlKataUnik,'String','0');
set(handles.txtAkurasi,'String','0');
% jmlPerKataUnik=handles.jmlPerKataUnik;
% matrixFIle=handles.matrixFIle;
% kataUnik=handles.kataUnik;

load('hasilPreprocessing.mat','jmlPerKataUnik');
load('hasilPreprocessing.mat','matrixFIle');
load('hasilPreprocessing.mat','kataUnik');
load('hasilPreprocessing.mat','calonData');
load('hasilPreprocessing.mat','batasAwal');
load('hasilPreprocessing.mat','batasAkhir');
N=75;
jmlCluster=3;
dataTemp=[];
data=[];
% nDist=[];
calonData1=calonData;
[mC,nC]=size(c);
% [m,n]=size(batasAwal);

88

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

[~,nCd]=size(calonData1);
iterasi=0;
for i=1:mC
for j=1:nCd
iterasi=iterasi+1;
set(handles.txtIterasi,'String',num2str(iterasi));
[calonData,dist,SSE,jmlObyekCls,pembagianCls,cPusat,clusterS
ingle]
=
pembentukanCls(calonData1{1,j},N,jmlCluster,c(i,1));

dataTemp=[c(i),batasAwal(j,1),batasAkhir(j,1),SSE,jmlObyekCl
s(1,1),jmlObyekCls(2,1),jmlObyekCls(3,1)];
data=[data;dataTemp];
dataTemp=[];
nDist{iterasi,1}=dist;
nPembagianCls{iterasi,1}=pembagianCls;
nCPusat{iterasi,1}=cPusat;
nClusterSingle{iterasi,1}=clusterSingle;
nCalonData{iterasi,1}=calonData;
pause(3)
end
end
[data,idxMin]=warnaMin(hObject, eventdata, handles, data);
set(handles.tblHasil,'ColumnWidth',{45,55,55,60,35,35,35,35}
);
set(handles.tblHasil,'Data',data);
nCls=N;
class=1;
class_test=zeros(nCls,1);
for i=1:nCls
if mod(i,25) == 0
class_test(i,1)=class;
class=class+1;
if i < nCls
class_test(i+1,1)=class;
end
else
class_test(i,1)=class;
end
end

89

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

confMat=hitungConfusionmat(class_test,nPembagianCls{idxMin})
;
[M,~]=max(confMat);
[dataConfMat]=warnaConfusion(hObject,
eventdata,
handles,confMat);
set(handles.tblConfMat,'ColumnWidth',{50});
set(handles.tblConfMat,'Data',dataConfMat);
acc=(sum(M)/sum(confMat(:)))*100;
set(handles.txtAkurasi,'String',num2str(acc));
set(handles.axCluster,'Visible','on');
axes(handles.axCluster);
warna = nClusterSingle{idxMin}(end-jmlCluster+2,3)-eps;
dendrogram(nClusterSingle{idxMin},
0,'colorthreshold',warna);
set(handles.tblPembagianCls,'RowName',{});
set(handles.tblPembagianCls,'ColumnName',{});
set(handles.tblPembagianCls,'Data',nPembagianCls{idxMin});
assignin('base','tblPembagianCls',nPembagianCls{idxMin});
set(handles.tblCentroid,'Data',nCPusat{idxMin});

set(handles.tblInfoTeks,'Data',[num2cell(jmlPerKataUnik),kat
aUnik]);
set(handles.tblInfoTeks,'ColumnWidth',{40,75});
set(handles.txtJmlKataUnik,'String',num2str(numel(kataUnik))
);

uiwait(msgbox('Proses
selesai.','Peringatan','modal'));
guidata(hObject, handles);
function
ConMatrix=hitungConfusionmat(class_test,class_predict)
yu=unique(class_test);
confMat=zeros(length(yu));
for i=1:length(yu)
for j=1:length(yu)
confMat(i,j)=sum(class_test==yu(i)
class_predict==yu(j));
end
end

sudah

&

90

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

ConMatrix=confMat;

function [data,idxMin]=warnaMin(hObject, eventdata, handles,

data)
% Konversi matrix dari nomor ke cell array string
dataCell
=
reshape(strtrim(cellstr(num2str(data(:)))),
size(data));
% Penentuan yang akan diberi warna dengan fotmat html
[m,n]=size(data);
sseTemp=data(1,4);
% sseTemp=data(1,4);
idxMin=0;
for i=1:m
if ~isnan(data(i,4))
if data(i,4) < sseTemp
idxMin=i;
sseTemp=data(i,4);
dataCell(i,1:7) = strcat(...
'<html><span
style="color:#FF0000;
fontweight:bold;
font-size:12;
text-align:center;
verticalalign:middle;background-color:#ffffcc;">', ...
dataCell(i,1:7), ...
'</span></html>');
else
dataCell(i,1:7) = strcat(...
'<html><span
style="color:#000000;
fontsize:10; text-align:center; vertical-align:middle;">', ...
dataCell(i,1:7), ...
'</span></html>');
end
end
end
data=dataCell;
function
[dataConfMat]=warnaConfusion(hObject,
eventdata,
handles,dataConfMat)
% hObject
handle to BtnFigureTable (see GCBO)
% eventdata reserved - to be defined in a future version of
MATLAB
% handles
structure with handles and user data (see
GUIDATA)
% Hint: get(hObject,'Value')
BtnFigureTable

returns

toggle

state

of

X=dataConfMat;

91

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

% Konversi matrix dari nomor ke cell array string

XX = reshape(strtrim(cellstr(num2str(X(:)))), size(X));
% Penentuan yang akan diberi warna dengan fotmat html
[~,I] = max(X);
for i=1:size(I,2)
XX(I(i),i) = strcat(...
'<html><span style="color:
bold;font-size:14;">', ...
XX(I(i),i), ...
'</span></div></html>');
end
dataConfMat=XX;

#429808;

font-weight:

% --- Executes on button press in buttonProses.

function buttonProses_Callback(hObject, eventdata, handles)
% hObject
handle to buttonProses (see GCBO)
% eventdata reserved - to be defined in a future version of
MATLAB
% handles
structure with handles and user data (see
GUIDATA)

3. Preprocessing.m
function
[semuaJmlPerKataUnik,matrixFIle,semuaKataUnik,calonDataCell
] =
preprocessing(batasAwal,batasAkhir,N,kamusHubung,dataKamus)
%UNTITLED2 Summary of this function goes here
%
Detailed explanation goes here
[matrixFIle{1:N,1}]=deal(zeros(0));
for i=1:N
%baca dokumen
alamatFile=strcat('doc\',int2str(i),'.txt');
fileID = fopen(alamatFile); % Membuka file
data = textscan(fileID,'%s'); % Membaca file
fclose(fileID); % Menutup file
data=data{1}; % Memasukkan data ke dalam matriks
data=regexprep(data,'[<>.,?!"-+=\/:[];_12345678910
]',' '); % Menghilangkan tanda baca

92

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

data=strtrim(data);
data(strcmp('',data)) = []; % Menghilangkan cell yang
kosong
data=lower(data); % Mengubah huruf besar menjadi kecil
fid = fopen('Data\dataAwal.txt','w');
for row = 1:size(data,1)
fprintf(fid, repmat('%s\t',1,size(data,2)-1),
data{row,1:end-1});
fprintf(fid, '%s\n', data{row,end});
end
fclose(fid);
%

stemming( data,kamus );

perl('stemcoba.pl');
fileID = fopen('Data\dataHasil.txt'); % Membuka file
data = textscan(fileID,'%s'); % Membaca file
fclose(fileID); % Menutup file
hasilStem=data{1}; % Memasukkan data ke dalam matriks
hasilStem=regexprep(hasilStem,'-',''); % Menghilangkan
tanda baca
hasilStem=strtrim(hasilStem);
hasilStem(strcmp('',hasilStem)) = []; % Menghilangkan
cell yang kosong
matrixFIle{i} = hasilStem;
end
matrixGabungan=[];
for i=1:N
matrixGabungan=[matrixGabungan;matrixFIle{i}];
%#ok<AGROW>
end
%cek dengan kamus dan hapus kata hubung
yaTdk=ismember(matrixGabungan,kamusHubung);
% assignin('base','yaTdk',yaTdk);
[m,n]=size(matrixGabungan);
dataTemp=[];
z=1;
for j=1:m
if yaTdk(j,1)==0
dataTemp{z}=matrixGabungan{j};
z=z+1;

93

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

end
end
hasilStem=dataTemp';
idexHasilKamus=ismember(hasilStem,dataKamus);
[m,~]=size(idexHasilKamus);
n=1;
for i=1:m
%
for j=1:n
if idexHasilKamus(i,1)==1
hasilKamus{n,1}=hasilStem{i,1};
n=n+1;
end
%
end
end
hasilKamus=hasilKamus(~cellfun('isempty',hasilKamus));
[kataUnik,~,indeksKata]=unique(hasilKamus); % Menentukan
kata unik beserta indeksnya
jmlReduksiKataUnik = length(kataUnik); % Jumlah total kata
unik
jmlPerKataUnik = hist(indeksKata,1:jmlReduksiKataUnik); %
Jumlah per kata unik
jmlPerKataUnik=jmlPerKataUnik';
semuaKataUnik=kataUnik;
semuaJmlPerKataUnik=jmlPerKataUnik;
[m,n]=size(batasAwal);
for k=1:m
[m,n]=size(jmlPerKataUnik);
dataTemp2=[];
dataTemp3=[];
dataTemp4=[];
dataTemp5=[];
x=1;
y=1;
for i=1:m
if jmlPerKataUnik(i,1)>batasAwal(k,1) &&
jmlPerKataUnik(i,1)<batasAkhir(k,1)
%if jmlPerKataUnik(i,1)>2 && jmlPerKataUnik(i,1)<200
%
if jmlPerKataUnik(i,1)>2 &&
jmlPerKataUnik(i,1)<100
%
if jmlPerKataUnik(i,1)>80 &&
jmlPerKataUnik(i,1)<100

94

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

dataTemp2(x,1)=jmlPerKataUnik(i,1);
dataTemp3{x,1}=kataUnik{i,1};
x=x+1;
else
dataTemp4(y,1)=jmlPerKataUnik(i,1);
dataTemp5{y,1}=kataUnik{i,1};
y=y+1;
end
end
jmlPerKataUnik= dataTemp2;
kataUnik= dataTemp3;
jmlSelainKataUnik{k}=dataTemp4;
selainKataUnik{k}=dataTemp5;
countKataUnik = sum(jmlPerKataUnik);
[m,n]=size(jmlPerKataUnik);
matrixBobot=zeros(m,n);
for i=1:m
matrixBobot(i)=log10(countKataUnik/jmlPerKataUnik(i));
end
calonData=zeros(size(matrixBobot,1),N);
for i=1:N
tempMatrixFile=matrixFIle{i};
[m,n]=size(tempMatrixFile);
for j=1:m
[row,~] =
find(ismember(kataUnik,tempMatrixFile(j,1)));
calonData(row, i)=matrixBobot(row,1);
end
end
calonDataCell{k}=calonData';
end
assignin('base','jmlSelainKataUnik',jmlSelainKataUnik);
assignin('base','selainKataUnik',selainKataUnik);
assignin('base','jmlSelainKataUnik',jmlSelainKataUnik);
assignin('base','selainKataUnik',selainKataUnik);
end

4. Kmeans1.m
function
[cluster,centroid,counter,dist]=Kmeans1(N,data,k,option,
inisial_centroid )
%1- Random pilih centroid

95

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

%2- 4pertama
%else 1&2 maka centroid=inisal centroid
centroid=[];
cluster=[];
[n,m]=size(data);
selected=[];
%inisal centroid awal berdasarkan option
if (option==1)
index=12;
for i=1:k
index=uint16((rand()*n));
while(Exists(selected,index)==1)
index=uint16((rand()*n));
end
selected=[selected index];
centroid(i,:)=data(index,:);
end
elseif (option==2)
centroid(1:3,:)=data(1:3,:);
elseif (option==3)
centroid=data(N+1:end,:);
data=data(1:N,:);
else
centroid=inisial_centroid;
end
flag=0;
count=0;
counter=[];
%pelompokkan data
while(flag==0)
[dist,cluster,dist]=Distance(centroid,data); %dist punya
matlab kelesss
if(count~=0)
temp=(cluster==prevclass);
if( max(max(temp))==1 && min(min(temp))==1)
flag=1;
counter;
break;
end
end
prevclass=cluster;

96

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

[centroid,counter]=CalculateCentroid(centroid,cluster,data);
count=count+1;
end
%hitung & CARI Centroid baru
function
[centroidBaru,counter]=CalculateCentroid(centroid,class,data
)
[n,m]=size(data);
[k,l]=size(centroid);
centroidBaru=zeros(k,l);
counter=zeros(k,1);
for j=1:k
for i=1:n
if(class(i,1)==j)
for p=1:m
centroidBaru(j,p)=centroidBaru(j,p)+data(i,p);
end
counter(j,1)=counter(j,1)+1;
end
end
end
for j=1:k
for p=1:m
centroidBaru(j,p)= centroidBaru(j,p)/counter(j,1);
end
end
%Function untuk cek apakah item data sudah dipilih sebagai
initial centroid
function [flag] = Exists(Arr, item)
flag=0;
[n,m]=size(Arr);
for i=1:m
if(Arr(1,i)==item)
flag=1;
break;
end
end
%hitung distance dan menandai cluster
function [dist,classify,d]=Distance(centroid,data)
[n,m]=size(data);
[k,l]=size(centroid);
dist=[];

97

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

classify=[];
for i=1:k
for j=1:n
%hitung distance setiap centroid dengan tiap data
sum=0;
for p=1:m
sum=sum+(data(j,p)-centroid(i,p))^2;
end
dist(i,j)=sum^0.5;
end
end
d=dist;
for j=1:n
[~,mindex]=min(dist(:,j));
classify(j,1)=mindex;
end

5. pembentukanCls.m
function
[calonData,dist,SSE,jmlObyekCls,pembagianCls,cPusat,clusterS
ingle] = pembentukanCls(calonData,N,jmlCluster,jmlObyekCls)
%UNTITLED Summary of this function goes here
%
Detailed explanation goes here
hasilKmeans=[];
for i=1:jmlObyekCls
[~,centroid,~,~]=Kmeans1(N,calonData,3,1,1);
hasilKmeans=[hasilKmeans;centroid]; %#ok<AGROW>
end
assignin('base','hasilKmeans',hasilKmeans);
% Clustering Single
clusterSingle=linkage(hasilKmeans,'single','euclidean');
[~,n]=size(hasilKmeans);
T=cluster(clusterSingle,'maxclust',jmlCluster);
%centroid awal set manual
centro=[];
for i=1:jmlCluster
cls=find(T==i);
centroTemp=zeros(size(cls,2),n);
for j=1:size(cls,2)

98

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

centroTemp(j,:)=hasilKmeans(cls(j),:);
end
centroTemp=mean(centroTemp,1);
centro=[centro;centroTemp];
end
calonData=[calonData;centro];
[pembagianCls,cPusat,jmlObyekCls,dist]=Kmeans1(N,calonData,3
,3,1);
assignin('base','dist',dist);
[ nilaiSSE ] = hitungSSE( dist );
SSE=nilaiSSE;
End

6. hitungSSE.m
function [ nilaiSSE ] = hitungSSE( data )
%UNTITLED4 Summary of this function goes here
%
Detailed explanation goes here
rerata=mean(data,2);
[m,n]=size(data);
nilaiSSETemp=zeros(m,n);
for i=1:m
for j=1:n
nilaiSSETemp1(i,j)=power(((data(i,j)rerata(i,1))),2);
end
end
nilaiSSETemp2=sum(nilaiSSETemp1,2);
nilaiSSE=double(sum(nilaiSSETemp2));
end

7. stemcoba.pl
#1.
#2.
#3.
#4.
#5.
#6.

make a rule
open text file
get one word
stem
compare with the real root word
count the true word stem

99

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

local
local
local
local
local

%suffix_1;
%suffix_2;
%suffix_3;
%suffix_4;
%suffix_5;

local
local
local
local
local
local
local
local
local
local

%prefix_1;
%prefix_2;
%prefix_3;
%prefix_4;
%prefix_5;
%prefix_6;
%prefix_7;
%prefix_8;
%prefix_9;
%prefix_10;

local %infix_1;
local %infix_2;
local %dict;
#my $word = $ARGV[0];
#my $word="nakoni";
my $fileOp;
#D:\SKRIPSWEET\Program\doc\ekonomi
$fileOp="D:\\SKRIPSWEET\\Program\\Data\\dataAwal.txt";
open FILE, "<", $fileOp or die "Can't open";
# my $fileOut="D:\\SKRIPSWEET\\Program\\Data\\hasilStem.txt";
# open FILEOUT, ">",$fileOut or die $!;
#
my $fileTest="D:\\SKRIPSWEET\\Program\\Data\\dataHasil.txt";
open FILETESTH, ">",$fileTest or die $!;
initial();
# $right=0;
while($line=<FILE>){
@splLine=split(/\s+/,$line);
#print $splLine[0]." ".$splLine[1]."\n";;
$word=lc $splLine[0];
#print $word;
#
#my $stemWord=stem($word);
my $stemWord=stem(lc $word);
#print $word."\n";
print $stemWord."\n";
print FILETESTH $stemWord."\n";
# #print $stemWord."\n";#." ".$splLine[1]."\n";
# if ($stemWord eq lc $splLine[1])
# {
# #print FILEOUT $stemWord." ".$word."\n";
# $right++;
# }
# else

100

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

# {
# print FILEOUT " 1 ".$stemWord." 2 ".$splLine[1]." 3
".$word."\n";
# }
#
}
# print $right;
sub initial{
#dictionary
#hash pasangan substitusi
#list prefix, suffix, infix
$fileOp="D:\\SKRIPSWEET\\Program\\kamus\\kamus.txt";
open FILEDIC, "<", $fileOp or die "Can't open";
while (<FILEDIC>)
{
chomp;
$dict{$_}=$_;
}
#daftar tingkat dan substitusinya
%suffix_1=(ekaken=>"i",okaken=>"u",ekake=>"i",okake=>"u",oni=>"u",
eni=>"i",wa=>"", ya=>"",
ning=>"",nipun=>"",okna=>"u",ekna=>"i",onana=>"u",enana=>"i",onen=
>"u",enen=>"i",
enan=>"i",on=>"u", onan=>"u", ku=>"",mu=>"");
%suffix_2=(kake=>"",kaken=>"",ni=>"",ing=>"",nana=>"",
nane=>"",nan=>"", nen=>"",ipun=>"",kna=>"");
%suffix_3=(kaken=>"n",kake=>"n",kna=>"n", ana=>"", an=>"",
en=>"");
%suffix_4=(ake=>"", aken=>"",en=>"i", na=>"",ne=>"");
%suffix_5=(ke=>"",ken=>"", n=>"",a=>"",i=>"");
%suffix_6=(e=>"");
# %suffix_1=(ekake=>"i",okake=>"u",oni=>"u",eni=>"i",wa=>"",
ya=>"",ning=>"",okna=>"u",onana=>"u",onane=>"u",
# enan=>"i",ean=>"i",on=>"u", onan=>"u",
onen=>"u",ku=>"",mu=>"",nipun=>"");
# %suffix_2=(kake=>"",ni=>"",ing=>"",ana=>"", nan=>"",
nen=>"",ipun=>"", nane=>"", nana=>"");
# %suffix_3=(kake=>"n",i=>"", en=>"i", an=>"", ane=>"");
# %suffix_4=(ake=>"", en=>"", na=>"",ne=>"");
# %suffix_5=(e=>"", n=>"",a=>"");
#
%prefix_1=(m=>"",nge=>"a",ny=>"s",di=>"",dak=>"",tak=>"",kok=>"",t
ok=>"",ka=>"",
# ke=>"",ku=>"",ang=>"", sa=>"", se=>"", pa=>"", peng=>"",
pang=>, ing=>"",u=>"");
# %prefix_2=(m=>"p",ng=>"",ny=>"c", ke=>"i",pe=>"",an=>"",
pen=>"t", pan=>"t");
# %prefix_3=(m=>"w",ng=>"k", k=>"", pe=>"", pa=>"");

101

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

# %prefix_4=(n=>"", a=>"", p=>"");

# %prefix_5=(n=>"t");
%prefix_1=(dipun=>"",peng=>"",peny=>"",pem=>"",pam=>"",pany=>"",pr
a=>"",kuma=>"",kapi=>"",
bok=>"",mbok=>"",dak=>"",tak=>"",kok=>"",tok=>"",ing=>"",ang=>"",a
ny=>"",
am=>"",sak=>"",
se=>"",mang=>"",meng=>"",nge=>"",nya=>"",pi=>"",ge=>"",ke=>"",u=>"
",
po=>"u",ke=>"u");
%prefix_2=(mer=>"",mi=>"",sa=>"",ku=>"",an=>"",ka=>"",ny=>"s",ng=>
"k",di=>"",peng=>"k",pang=>"k",
pam=>"p",ke=>"i",mang=>"k",meng=>"k");
%prefix_3=(a=>"",k=>"",pam=>"w",pan=>"t",
pen=>"t",mang=>"w",meng=>"w", ny=>"c",ng=>"");
%prefix_4=(n=>"t", pan=>"s", pen=>"s",man=>"s",men=>"s");
%prefix_5=(pan=>"",pen=>"",man=>"t",men=>"t",n=>"");
%prefix_6=(pa=>"",pe=>"",man=>"",men=>"");
%prefix_7=(p=>"",ma=>"",me=>"");
%prefix_8=(m=>"w");
%prefix_9=(m=>"p");
%prefix_10=(m=>"");
%infix_1=(gum=>"b",gem=>"b",kum=>"p");
%infix_2=(kum=>"w");
}
sub hilangPref{
my $word = @_[0];
my $w=$word;
if ($w =~
/^(dipun|peng|peny|pem|pam|pany|pra|kuma|kapi|bok|mbok|dak|tak|kok
|tok|ing|ang|any|am|sak|se|mang|meng|nge|nya|pi|ge|ke|u|po|ke)/)
{
$stem=$prefix_1{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
if($w=~
/^(mer|mi|sa|ku|an|ka|ny|ng|di|peng|pang|pam|ke|mang|meng)/)
{
$stem=$prefix_2{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
if($w=~ /^(a|k|pam|pan|pen|mang|meng|ny|ng)/)
{
$stem=$prefix_3{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}

102

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

if($w=~ /^(n|pan|pen|man|men)/)
{
$stem=$prefix_4{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
if($w=~ /^(pan|pen|man|men|n)/)
{
$stem=$prefix_5{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
if($w=~ /^(pa|pe|man|men)/)
{
$stem=$prefix_6{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
if($w=~ /^(p|ma|me)/)
{
$stem=$prefix_7{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
if($w=~ /^(m)/)
{
$stem=$prefix_8{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
$stem=$prefix_9{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
$stem=$prefix_10{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
return $w;
}
sub hilangSuf{
my $word = @_[0];
my $w=$word;
if ($w =~
/(ekaken|okaken|ekake|okake|oni|eni|wa|ya|ning|nipun|okna|ekna|ona
na|enana|onen|enen|enan|on|onan|ku|mu)$/)
{
$stem=$`.$suffix_1{$1};
#print FILETESTH $stem."\n";
} #hilang akhiran 2
elsif ($w =~
/(kake|kaken|ni|ing|nana|nane|nan|nen|ipun|kna)$/)
{

103

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

$stem=$`.$suffix_2{$1};
#print FILETESTH $stem."\n";
} #hilang akhiran 3
elsif ($w =~ /(kaken|kake|kna|ana|an|en)$/)
{
$stem=$`.$suffix_3{$1};
#print FILETESTH $stem."\n";
} #hilang akhiran 4
elsif ($w =~ /(ake|aken|en|na|ne)$/)
{
$stem=$`.$suffix_4{$1};
#print FILETESTH $stem."\n";
} #hilang ak hiran 5
elsif ($w =~ /(ke|ken|n|a|i)$/)
{
$stem=$`.$suffix_5{$1};
#print FILETESTH $stem."\n";
}
#hilang akhiran 6
elsif ($w =~ /(e)$/)
{
$stem=$`.$suffix_6{$1};
#print FILETESTH $stem."\n";
}
if (exists $dict{$stem})
{
return $stem;
}
else
{
#hilang prefix
my $stemPref=hilangPref($stem);
if (exists $dict{$stemPref}){ return $stemPref;}
}
}
sub stem{
my $word = @_[0];
#jika panjang kata < 3 keluar
if (length($word)<3){return $word;}
#print $word."\n";
#loop
#
hilangkan akhiran tingkat 1 , cek kamus, jika ada break
#
hilangkan awalan tingkat 1, cek kamus, jika ada break
#
kembalikan akhiran tingkat 1, cek kamus, jika ada break
#
my $w=$word;
if (exists $dict{$w}){ return $w;}
#hilang infix
if (index($w,"in") == 1 ||index($w,"um") == 1||index($w,"em")
== 1||index($w,"el") == 1||index($w,"er") == 1)
{
$_=$w;
s/(in|um|em|el|er)//;
#print FILETESTH $_."\n";
if (exists $dict{$_}){ return $_;}
elsif($w=~ /^(gum|kum|gem)/)
{

104

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

$stem=$infix_1{$1}.$';
#print FILETESTH $stem."\n";
if (exists $dict{$stem})
{ return $stem;}
}
else
{
my $stemPref=hilangPref($_);
if (exists $dict{$stemPref}){ return $stemPref;}
#hilang suffix
my $hs=hilangSuf($_);
if (exists $dict{$hs}){return $hs;}
}
# if ($_ =~ /(an|ne)$/)
# {
# $stem=$`;
# if (exists $dict{$stem}){ return $stem;}
# }
}
#kata reduplikasi
if ($w =~ m/[-]/)
{
$_=$w; split/-/;
if (exists $dict{$'}){ return $';}
else
{
#hilang suffix
#if (exists $dict{hilangSuf($')}){return $';}
$w=$';
}
}
#hilang awalan saja
my $stemPref=hilangPref($w);
if (exists $dict{$stemPref}){ return $stemPref;}
#hilang suffix
my $hs=hilangSuf($w);
if (exists $dict{$hs}){return $hs;}
#hilang reduplikasi tanpa if (index($w,"e") == 1 ||index($w,substr($w,0,1),2)==2)
{
$dua=substr($w,0,2);
$_=$w; s/$dua//;
if (exists $dict{$_}){ return $_;}
#else {$w=$_;}
}
return $w;
}

105

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

8. Kata Unik Seluruh Data (2358 kata)

Term
jawa
bocah
lara
obat
rega
negara
rp
sekolah
butuh
dening
kurang
masarakat
ekonomi
guru
banyu
becik
indonesia
jaba
putra
menyang
barang
tuwa
dina
tandur
gedhe
temu
perlu
rasa
urip
manawa
alam
pabrik
wujud
babag
tulis
jinis

Frek
151
148
130
103
97
95
89
80
77
77
76
74
73
73
71
71
70
68
68
66
65
64
63
63
62
60
59
59
59
58
57
57
57
54
54
52

Term
cilik
siji
dhidhik
laku
teka
usaha
atur
budidaya
jeneng
jroning
kasil
tuwuh
asil
dhuwur
kandhut
klebu
turut
ngerti
tani
wanita
daya
jepang
pamulang
taman
umur
lair
ligi
sri
suwe
wulang
basa
cukup
jare
kutha
warna
anyar

Frek
45
45
44
44
44
44
43
43
43
43
43
43
42
42
42
42
42
41
41
41
40
40
40
40
40
39
39
39
39
39
38
38
38
38
38
37

Term
sawiji
thithik
desa
golek
kewan
lebu
seni
suda
donya
gelem
ibu
loro
pengin
sasi
tau
bantul
kira
nyata
omah
pulo
bali
mendhong
mundhak
pak
pasar
pos
udud
undhak
undhang
bangsa
bangun
buh
dol
jakarta
tinggi
tuku

Frek
34
34
33
33
33
33
33
33
32
32
32
32
32
32
32
31
31
31
31
31
30
30
30
30
30
30
30
30
30
29
29
29
29
29
29
29

106

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
murid
tampa
papan
dhuwit
sleman
teges
gampang
lenga
tetep
seneng
tambah
nane
sinau
siswa
dagang
jaga
jupuk
katon
maca
mahasiswa
mari
mati
reiki
sumber
tela
wigati
kecamatan
kkn
nate
prestasi
tamba
telu
tingkat
warga
asal
gunung
isi
kono

Frek
52
52
51
50
50
49
48
48
48
47
47
46
46
46
26
26
26
26
26
26
26
26
26
26
26
26
25
25
25
25
25
25
25
25
24
24
24
24

Term
perintah
sambung
unjuk
yogyakarta
gula
kasarasan
anak
ati
angel
anggep
bahan
dhudhuk
kulit
pangan
mangsa
manut
nandhang
salah
zat
aneh
bukti
dhahar
entuk
ingkang
kaum
kayata
lakon
paring
resik
tenaga
weneh
antuk
bantu
buku
dhasar
ganggu
jam
jaman

Frek
37
37
37
37
36
36
35
35
34
34
34
34
34
34
22
22
22
22
22
21
21
21
21
21
21
21
21
21
21
21
21
20
20
20
20
20
20
20

Term
kahanan
murih
rana
tenan
tengah
urus
ara
kaji
kandha
kartu
rata
umum
woh
ahli
kirim
kiwa
pira
prodhuksi
rumah
sari
sebar
wedi
ada
bebaya
garap
joged
lemah
minggu
mulang
neng
ngandika
owah
priksa
tatar
tindak
winih
agung
calon

Frek
28
28
28
28
28
28
27
27
27
27
27
27
27
26
19
19
19
19
19
19
19
19
18
18
18
18
18
18
18
18
18
18
18
18
18
18
17
17

107

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
mono
paling
pisan
program
rumangsa
sapa
serikat
tanggal
baku
biyantu
dhaerah
ketaman
kualitas
lumrah
merga
nadyan
sok
amrih
bayi
budi
campur
dhokter
enggal
jero
karya
lulus
milyar
oleh
puluh
putih
rembug
rusak
sanak
sedulur
terbit
wit
adhep
agama

Frek
24
24
24
24
24
24
24
24
23
23
23
23
23
23
23
23
23
22
22
22
22
22
22
22
22
22
16
16
16
16
16
16
16
16
16
16
15
15

Term
kantor
kaping
karep
kelas
kerja
koperasi
krasa
maju
melu
modhel
pratela
sarana
tang
tuli
adoh
aji
aksara
angka
bener
cegah
cocog
dalah
gambar
godhong
jamu
kara
tugas
alus
anggota
awu
crita
dan
garing
gawa
gumantung
kanan
katut
kraton

Frek
20
20
20
20
20
20
20
20
20
20
20
20
20
20
19
19
19
19
19
19
19
19
19
19
19
19
14
13
13
13
13
13
13
13
13
13
13
13

Term
cetha
golong
ilang
jiwa
kat
laras
najan
nasional
nomer
pindhah
rakyat
rong
tembung
wates
arang
asile
awak
bayar
biasa
biyen
daerah
engga
kulina
kuwat
manungsa
mapan
panunggala
pasang
pindho
pinter
rejeki
rupa
sastra
suwara
tanah
toko
tulung
usada

Frek
17
17
17
17
17
17
17
17
17
17
17
17
17
17
16
16
16
16
16
16
16
16
16
16
16
16
12
12
12
12
12
12
12
12
12
12
12
12

108

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
getih
ir
kerti
krungu
langan
lut
no
perang
prayoga
proses
putri
sak
udan
wuse
abot
ajeg
apik
cacah
gatel
jati
jawab
kelompok
kembang
kuwasa
maneka
ni
pasien
penting
prayitno
sambut
sangan
sosial
surat
tandha
tata
terang
trap
tua

Frek
15
15
15
15
15
15
15
15
15
15
15
15
15
15
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14
14

Term
lingkungan
mutu
naliti
pers
pi
piranti
prasaja
priye
rampung
regan
reja
sipat
telung
untung
watu
yogya
ajab
anggur
budaya
buwang
cepet
coba
dalem
emoh
jantung
jebul
kadang
kana
khusus
kulawarga
kulon
larang
lawas
liwat
marem
murah
normal
omong

Frek
13
13
13
13
13
13
13
13
13
13
13
13
13
13
13
13
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12
12

Term
adat
ala
bebas
bukak
buri
cipta
dalan
dhiri
endhog
entheng
jar
jro
kalah
kebak
lanang
malaysia
menika
ngendika
nyawa
organisasi
pati
penget
pimpinan
prof
rada
ragad
rokok
semangat
tandhing
tanggap
tarik
temtu
tengen
ton
turu
tutup
ukuran
wadon

Frek
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11
11

109

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
wajib
walijo
wani
wayah
werna
wruh
april
asring
badan
batik
bengi
conto
dang
embuh
eropa
goreng
ijo
ilmu
isor
istimewa
jabat
jaran
kanca
keluwarga
klasa
kru
la
lahan
lima
mangan
manggon
mas
motif
mudha
mudhun
negeri
ombe
panas

Frek
11
11
11
11
11
11
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10
10

Term
tanggung
temah
temen
tokoh
tuju
tumuli
tuntut
tut
utama
wusana
aran
aweh
beras
cathet
desain
dinas
donga
enggo
ganti
gayuh
genti
hak
januari
kabar
kepala
kuli
lorot
lumaku
lumantar
manca
metu
milih
ngarep
operasi
papa
papat
percaya
ping

Frek
10
10
10
10
10
10
10
10
10
10
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9
9

Term
simpen
tari
tentrem
tuduh
uwuh
wawas
wilayah
aju
amar
ambu
ancas
awan
babar
dana
etung
ewu
gandheng
generasi
gunungkidul
ilmiah
iwak
jaluk
kari
kawit
kleru
kunir
laboratorium
lali
lapang
latih
layan
lembut
ling
lis
mandhiri
mata
mei
mentas

Frek
9
9
9
9
9
9
9
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8

110

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
pasir
pesen
pitik
pokok
prene
racik
sang
sehat
sikap
sus
tahu
tangan
propinsi
rambut
rancang
sambat
sangga
sasat
semarang
sendang
srana
studi
subur
tangi
tilas
titik
tradhisional
tulak
tumpang
universitas
upaya
uyah
adeg
agustus
ajaran
alon
awas
bakul

Frek
10
10
10
10
10
10
10
10
10
10
10
10
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
8
7
7
7
7
7
7

Term
pinggir
rame
resmi
rupiah
sakit
sampun
sandhang
saran
sarwa
sedhot
serang
siap
kandel
kanker
karang
kendel
kepriye
konsultasi
kreasi
kurikulum
kurmat
kuwatir
lah
lancar
langgar
langsung
lapur
latin
lembar
lestari
lodhang
madeg
malang
mangkat
masalah
mesin
minyak
mokal

Frek
9
9
9
9
9
9
9
9
9
9
9
9
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7

Term
modern
mripat
nedya
nek
nggawa
pathok
peksa
penak
pepak
pikir
po
presidhen
tali
tamu
tandang
tantang
tas
tlatah
trep
unggah
uwis
uwong
wakil
warih
weruh
wigaten
wonten
wuri
adil
ajak
aman
artikel
asli
asma
asta
ayu
bandhing
banding

Frek
8
8
8
8
8
8
8
8
8
8
8
8
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
6
6
6
6
6
6
6
6
6
6

111

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
bapak
baru
bensin
bingung
bis
brayat
bun
cacad
cakot
cedhak
dewan
edeg
endro
enom
ganep
genah
godhog
gunggung
hawa
hukum
jalan
jembar
kagem
kala
gugah
informasi
jagad
jajah
jetis
juta
kaget
kalis
kangge
kesehatan
kidul
klapa
kliwat
kolah

Frek
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
6
6
6
6
6
6
6
6
6
6
6
6
6
6

Term
nama
nilai
pakan
pantes
pas
pawong
perkara
piguna
piye
politik
praktek
pribadi
pungkas
ra
rah
ring
rt
rugi
san
semu
sigit
sistem
swara
takon
sawang
seda
sedhiya
seje
semana
sembuh
sikep
sisih
soal
srawung
sujana
sumatra
thukul
tilpun

Frek
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
7
6
6
6
6
6
6
6
6
6
6
6
6
6
6

Term
barat
bat
bosen
bubuk
bungah
bupati
cina
daftar
dalam
dasar
dawa
depok
dhukun
ding
diri
djaka
dokter
dul
elek
ewadene
gaya
gedhong
gosok
grengseng
eran
esuk
gagas
gamping
gerak
ginjal
gusti
guyu
islam
jarwa
jejer
jember
jurus
karyawan

Frek
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
5
5
5
5
5
5
5
5
5
5
5
5
5
5

112

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
koleksi
konsumsi
korban
kreatif
kulak
kumbah
kuning
kuwawa
lembaga
limang
lokakarya
lungguh
lurah
magelang
manten
men
mundhut
olah
panen
pecah
petung
pirang
pisah
pitu
playu
rekasa
remaja
republik
resep
ri
rik
rut
sabar
saged
samubarang
sara
panjurung
pc

Frek
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
5
5

Term
timur
tundho
tunggal
ugi
uji
ungkur
uni
untu
urat
waton
wedhak
weteng
wetu
wingi
wose
ajar
alas
ama
ambruk
andhar
angkat
arupa
ayom
badhe
bahasa
bako
bel
blaka
borong
brastha
brayan
cemplung
dhusun
emu
energi
entek
weka
wesi

Frek
6
6
6
6
6
6
6
6
6
6
6
6
6
6
6
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5

Term
kasar
keluarga
kenthel
keras
kilometer
kitab
klasik
kurban
lajar
legi
lelet
lodang
luhur
lumayan
mabur
macapat
maido
makarya
mal
mana
mbak
meksa
mengku
mikir
mlarat
muga
muslim
nalar
nasib
nem
ning
obong
organ
ota
pada
padesan
ireng
jasa

Frek
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
4
4

113

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
pener
pengaruh
pihak
pimpin
prihatin
priyayi
progo
pt
putus
ramu
repa
residen
ribut
ru
ruwet
sangu
sare
sayur
sedhih
selatan
setuju
sih
sithik
sunyata
susah
susu
tahap
tampar
tangeh
tangga
tembe
teng
teori
terbang
tiba
tikel
tinggal
trima

Frek
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5
5

Term
wiji
wulan
yekti
adol
adu
adus
ageng
alis
ambyur
ampung
anget
angin
anti
arah
are
aso
awal
ayat
ayem
baka
bang
banjir
bathi
batin
bongkokan
bot
cakup
cekak
cithak
dadak
darah
dhalang
dodol
dongeng
dukung
eling
emot
emper

Frek
5
5
5
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4

Term
jenis
jepara
jodho
jumlah
jur
juru
kadar
karier
kayu
kedah
keri
king
km
komplit
komunis
kongres
kosok
kukuh
kumpul
larik
laris
lawang
leksana
lemak
linthing
lokasi
lunga
luput
madya
malik
maling
man
mangke
mara
matematika
matur
media
meter

Frek
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4

114

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
ubeng
ukara
unggul
usul
wadhah
wali
wane
waras
warta
wayang
otak
pajang
palembang
pamrih
panga
pating
pendhak
pingin
pokal
priya
protein
prungu
pusat
rakit
rawuh
re
reh
repot
rewang
rit
ruang
salit
sami
sangarepe
sangkut
sarujuk
sawah
sedayu

Frek
5
5
5
5
5
5
5
5
5
5
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4

Term
endah
ewuh
gagal
giras
gogok
grobog
hal
hari
hubung
inggris
tehnologi
teliti
tim
tingkah
tiru
tiyang
total
tresna
udi
ukir
ukur
undang
uninga
upakara
urang
urut
utara
utus
wajak
wangsul
wangsulan
wengi
wentar
wetan
wisnu
yakin
yang
ziarah

Frek
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4

Term
militer
mitra
mobil
mod
mongkog
nabi
niru
nus
nusantara
nyandhet
bubrah
buka
bumbu
cak
cawis
cendhek
cilaka
colong
cukupan
darbe
deleng
delok
dhapuk
dhukung
dilalah
dinggo
dora
dukuh
dumeh
dunung
duta
elu
eman
enak
endhek
enem
entas
fitri

Frek
4
4
4
4
4
4
4
4
4
4
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

115

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
sejahtera
sekretaris
seksi
sengkuyung
sepuh
sifat
sisik
slamet
sopir
stambul
stroke
sugih
sunarso
suntik
suwun
suwur
swasta
syaraf
tan
tangis
tasikmalaya
tawi
juni
kadhar
kal
kan
kantos
karuwan
kathah
kelola
kenal
kencur
kersa
kesel
ketemu
krama
krenteg
kuciwa

Frek
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
4
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

Term
adhem
akrab
amal
amba
ambegan
amping
ancik
angkah
asam
asih
bacut
bakar
balita
banyumas
bathik
beber
bela
bening
biyasa
blanja
bogor
bubar
moyudan
mudheng
muhammad
mules
mulih
muluk
mumet
mumpung
muneg
mungguh
museum
muter
mutiara
nagara
nengsem
ngaglik

Frek
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

Term
gantung
gejala
gelar
gene
giat
gratis
gugur
ibarat
idul
jabang
jajar
jangan
jaring
jatirahayu
jawi
jendral
jer
jibah
jlentreh
jlimet
jujur
juluk
salin
sampah
sampurna
sana
satus
sawat
sedaya
sedheng
seger
sejarah
selak
semanak
sember
seminar
sengaja
sepi

Frek
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

116

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
kuliah
kuping
kwalitas
lak
lambang
lami
lamun
landhes
langkah
lanjut
lantar
lapis
layat
lebet
lever
lha
lipur
liyan
loka
lor
maha
mahanani
majalah
mak
makmur
malih
manuk
master
maton
meja
menang
meneng
mewah
momong
tukang
udarasa
udhar
uger

Frek
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3

Term
ningsih
niyat
nuwun
nyanyi
oktober
ornamen
pakem
pang
panggah
panggih
paro
pedhot
pentas
polusi
prabot
pranggul
prentah
pri
pring
protes
pucuk
pura
puton
raga
rahim
rai
rancag
raya
refleksi
reged
relatif
remeh
rendhah
renteng
bojo
bolong
buat
budhal

Frek
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
2
2
2
2

Term
sewa
sewu
singkir
sirah
siun
solo
sopan
sugeng
sugiyanto
suket
sumangga
sumpono
sungapan
surakarta
suruh
surup
susul
suwak
taksih
tapak
target
tatu
tawa
tebet
tehnik
tekad
teles
telpun
teni
teratur
titi
trampil
triadi
tujuan
gan
gana
gedheg
ginjel

Frek
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
3
2
2
2
2

117

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
ulem
waca
warung
wasana
watuk
wicaksana
wid
wolu
wolung
wur
abang
abdi
adreng
ahmad
alamat
alesan
amargi
amben
ambung
anggon
anteng
apal
arsa
asem
asin
asor
atan
aten
ayam
bage
bagi
bandha
banter
bau
bawa
bawah
bayang
bebek

Frek
3
3
3
3
3
3
3
3
3
3
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Term
bujang
bunder
buru
cabang
caket
cancut
cekel
cengkah
cerdhas
dadar
darma
dedel
desainer
deteksi
dewi
dharah
dhelik
dhompet
dhong
diabetes
diagnosa
disiplin
dos
drama
drawas
dudut
duga
dum
dumunung
eget
eksklusif
embah
endang
ene
enejer
eni
enut
erosi

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Term
giris
global
gondhol
grafika
gurit
guwa
guyub
idin
ijol
iling
iman
imbang
indah
india
inep
ingu
inti
isin
jahe
jak
jan
jen
judheg
kaca
kacang
kaleng
kandhung
kapal
kapok
kapsul
kasep
kasiyat
kec
kecong
kek
kemis
kendhang
khasiyat

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

118

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
begjane
bekti
berkah
bersih
beya
biaya
bibit
biru
kritik
kronis
kulonprogo
kuna
kunci
kura
kursi
lagu
laladan
lam
lampung
langit
langkung
lawat
layak
lekas
lemari
lemu
lengkap
lire
listrik
logam
luar
lucu
luku
lunyu
luwar
madiun
madura
makan

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Term
estu
ewasemono
fakultas
gabung
gadhah
gajih
galih
gamel
monjo
motivasi
mulya
muncul
mundur
mungsuh
muni
muruk
musik
muspra
nata
ne
negatip
ngajeng
niat
nikah
nikelke
non
nun
onjo
opor
optimal
optimis
orang
padu
pah
paham
pait
paku
pala

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Term
kiprah
kirang
kisruh
klaten
ko
komoditas
kondhang
kringet
praktis
predikat
prekara
prelu
problem
prodhuk
profesi
provinsi
pundhut
punjer
pustaka
puter
rabuk
racak
rahayu
raja
rajawali
rak
ranggeh
rap
rapat
rebut
rekreasi
rembak
renggan
ribet
ringkih
royong
ruwang
saba

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

119

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
maklum
mandhegani
mangun
mantu
manusia
maos
masuk
mate
mawi
mbah
megar
melas
menapa
menep
menggok
merk
mesjid
mili
milik
miring
sepele
sering
serot
shaleh
sigar
simbol
siram
sisip
spiritual
stadium
statistik
stress
suci
sugito
suharto
sultan
sum
sumatera

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Term
palang
palsu
panembah
pangeran
panggung
parem
pari
paribasa
pasrah
patang
patut
peda
pencok
peran
pesthi
pha
pijat
pikiran
piro
pitung
tuding
tulisa
tundo
tunjang
turun
ubung
ugal
ugung
ujud
ukum
ulah
uman
umbar
uring
utang
vietnam
wah
wanareja

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2

Term
saguh
saja
sajak
salur
samodra
sangisore
sangka
sangsara
santosa
sapu
saras
saraseh
satu
sebat
sekti
selaras
sembada
sengsem
senin
sepedha
aras
aribawa
asah
asat
asing
ata
atos
atus
awet
awon
ayah
babat
bagus
bakda
bapa
bar
barep
bares

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

120

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
sumbang
sunar
super
surabaya
susun
sutresna
swargi
tahan
tama
tampil
tanam
tandhang
tandhes
tandhu
tanem
tebih
tedheng
teguh
tehnis
temanggung
tembayatan
temulawak
ten
tepat
tepung
teratai
test
tiga
tirakat
tiwas
toh
topi
condong
conggah
cubriya
cuplik
curhat
dalasan

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1

Term
wanci
wangi
warah
wareg
warsa
wasis
waspada
watak
wedana
wekas
welas
wilang
wuh
wulu
wutuh
aba
adhi
agan
age
air
akal
akasa
alang
aliran
amat
amerta
ampet
angkuh
angslup
anjlog
aos
apus
fatarul
fitrah
foto
gagah
gaji
gaman

Frek
2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
baya
begja
benah
bendu
benggala
bengok
berat
bersama
bilahi
biyung
bludag
bobok
bogem
brantas
brasta
bregas
bungkus
buntas
busana
buwana
cagak
cakrabawa
cakrik
candhak
catur
cendhak
cene
ceneng
cengkleng
cingak
ciprat
ciut
impun
inang
induk
inggih
inggil
ingsun

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

121

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
dangu
daniswari
dara
data
datan
demokrasi
dengan
dhadha
dhapur
dharat
dhateng
dhaup
dhawuh
dhele
dhemen
dhen
dheplok
dherek
dhewek
dhudhut
dhukuh
dialog
din
djayeng
djohar
dolan
dunia
dusun
edan
elus
embrah
emha
emosional
endha
enek
eneng
ening
epek

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
gamblang
gandhang
ganjel
gaplek
gapura
gapyak
garba
garbini
garu
garwa
gatag
gathuk
gayom
gek
gempur
gepeng
gesang
getar
geter
gih
gilangharjo
gilar
giyat
gondowijoyo
gotong
gremet
greneng
gres
grojog
grundel
gulawentah
gulu
gumedhe
gumun
gunting
guyon
hajat
hargya

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
ini
ira
iring
iris
ismaji
istilah
itung
jagong
jamin
jamur
jasmani
jatim
jebles
jejeg
jeleh
jeli
jim
jiret
jlomprong
jogjakarta
judhul
jumbuh
kalayan
kalimantan
kami
kancan
kandhang
kandung
kangggo
kangmas
kanthong
kaprah
karcis
karsa
karti
kata
katak
katan

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

122

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
era
ering
estri
etika
ewon
fajar
kenya
kep
kesed
ketok
ketuk
khajat
khattab
kiai
kilo
klawan
kojur
koke
komedi
kompetensi
konang
koncatan
kondhisi
konsekuen
kosokbali
kothong
kotor
krana
kridha
kudus
kukub
kunjara
kuri
kursus
kutub
kuwalahan
lampu
laretna

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
hati
ibadah
idhe
ikip
ili
imogiri
mah
maharesi
mahir
majusi
makam
mala
maluku
mancar
mandheg
mang
mangga
manis
manteb
marak
masak
masara
massal
matapelajaran
mataram
materi
mawas
me
medari
mekak
mekaten
mencungul
mendha
mepet
merdeka
merdi
mesem
met

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
kebon
kecut
kelah
kemas
kemul
kenang
najib
nakal
namung
nan
nara
nasai
nashrani
naskah
negatif
neraka
nesu
ngantuk
ngethuprus
niki
nikmat
noleh
nomor
nung
nyang
obah
obyek
oen
ok
okhtiyar
pacak
padal
padmo
paidi
pamer
pan
pandeng
panggang

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

123

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
lasem
lawuh
leg
leng
lenggah
lenggana
leren
let
lho
libur
lil
lilah
lir
lit
luhung
lumampah
madhahi
maelu
pengku
peres
pergok
persepsi
petruk
piagam
pilara
pilek
pilih
pingi
pintal
pintu
piyayi
plesed
plintir
porsi
positip
potret
praja
prajurit

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
methik
ming
mireng
mirunggan
miyara
momok
monoton
mrosot
muchtar
muh
muka
mukmim
mungkar
murwat
musibah
musim
mutawatiri
nadhiri
redaksi
regeneratif
regeng
rekadaya
remen
remuk
resi
rig
rila
rinonce
risnantari
rombongan
rosa
rosyad
rubeda
rubuh
rumaos
rumit
sabaran
sabtu

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
Frek
panggon
1
pangkat
1
panji
1
pantha
1
panti
1
paramasastra
1
paru
1
pasa
1
patal
1
patih
1
paweh
1
payon
1
pecut
1
pedes
1
pedoman
1
peka
1
pelem
1
pen
1
selamat
1
selasa
1
seleh
1
semah
1
semak
1
sembarang
1
semesta
1
semester
1
semin
1
semut
1
senen
1
seng
1
senggol
1
senopati
1
sentosa
1
senyuwun
1
september
1
serius
1
serta
1
setyaningsih
1

124

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
prakosa
prapat
prayitna
prigel
pringgo
prinsip
priyan
profesional
pundi
puput
purba
purih
purwanto
purwodadi
purwokerto
pusing
puspa
putu
quran
radita
rajin
rakaditu
ral
rama
ramal
ran
rangke
rantas
ratih
rebo
sumarni
sumelang
surya
suwargi
suwarno
suwung
suyamsih
syarat

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
sadhar
sadulur
sae
saget
sahabat
salep
sanes
sanga
sanget
sanggan
saning
sanja
santhet
santun
sarampung
sareh
sareng
sareyan
saring
saru
sarung
satria
satriya
saur
segala
segara
segoro
seka
sekar
sekretariat
tuhu
tukar
tukul
tumor
tunggang
tunggu
tuntas
tuntun

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
shalat
sila
sileg
silep
silih
simplikasi
simulasi
sipil
sira
sirep
sisan
sisir
siti
sokur
sore
spirit
sponsor
srakat
stir
stres
study
suara
sudarinto
sudi
sudiyatmono
sugata
sukisno
suliantoro
suluh
sumadiyasa
wisata
wisatawan
wisik
wulet
wuruk
yahudi
yayasan
yuga

Frek
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

125

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
syukur
tahrim
tala
tamtu
tanduk
tanggel
tanggenah
tanggungjawab

Frek
1
1
1
1
1
1
1
1

tanggungjawabe
tar
tatakrama
tawang
tawar
tega
tegas
tekat
tekun
teladan
telah
templek
tenger
tentang
tera
teraphy
terima
thailand
thil
tindhak
titah
titip
tleram
tlusur
tombak
topik
toyota
trane
trapan

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

Term
tutug
tutur
tuwas
tuwo
ubal
ujung
ulet
ulung
ulur
umar
umat
umiyati
underan
undher
ungguh
untuk
unyik
upus
urmat
uteg
uthuk
uyuh
virginia
vital
wadah
wadi
wairagya
walik
wanda
warsito
wasita
wawan
wekdal
weke
welut
wenang
wening

Frek
1
1
1
1
1
1
1
1

Term
ziarah

Frek
1

1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1
1

126

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
trauma
triharjo
triharjun
trirenggo
tubruk

Frek
1
1
1
1
1

Term
wibawa
widagda
wigih
wijik
wingking

Frek
1
1
1
1
1

9. Kata Unik dengan Frekuensi 20-130 (236 kata)

Term
Frek
Term
Frek
lara
130
rasa
59
obat
103
urip
59
rega
97
manawa
58
negara
95
alam
57
rp
89
pabrik
57
sekolah
80
wujud
57
butuh
77
babag
54
dening
77
tulis
54
kurang
76
jinis
52
masarakat
74
murid
52
ekonomi
73
tampa
52
guru
73
papan
51
banyu
71
dhuwit
50
becik
71
sleman
50
indonesia
70
teges
49
jaba
68
gampang
48
putra
68
lenga
48
menyang
66
tetep
48
barang
65
seneng
47
tuwa
64
tambah
47

Term
Frek
dhidhik
44
laku
44
teka
44
usaha
44
atur
43
budidaya
43
jeneng
43
jroning
43
kasil
43
tuwuh
43
asil
42
dhuwur
42
kandhut
42
klebu
42
turut
42
ngerti
41
tani
41
wanita
41
daya
40
jepang
40

dina
tandur
gedhe
temu
perlu
sri
suwe
wulang
basa
cukup

pamulang
taman
umur
lair
ligi
undhak
undhang
bangsa
bangun
buh

63
63
62
60
59
39
39
39
38
38

nane
sinau
siswa
cilik
siji
desa
golek
kewan
lebu
seni

46
46
46
45
45
33
33
33
33
33

40
40
40
39
39
30
30
29
29
29
127

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
jare
kutha
warna
anyar
perintah
sambung
unjuk

Frek
38
38
38
37
37
37
37

Term
suda
donya
gelem
ibu
loro
pengin
sasi

yogyakarta
gula
kasarasan
anak
ati
angel
anggep

37
36
36
35
35
34
34

bahan
dhudhuk
kulit
pangan
sawiji
thithik
jupuk
katon
maca

Frek
33
32
32
32
32
32
32

Term
dol
jakarta
tinggi
tuku
kahanan
murih
rana

Frek

tau
bantul
kira
nyata
omah
pulo
bali

32
31
31
31
31
31
30

tenan
tengah
urus
ara
kaji
kandha
kartu

28
28
28
27
27
27
27

34
34
34
34
34
34
26
26
26

mendhong
mundhak
pak
pasar
pos
udud
nandhang
salah
zat

30
30
30
30
30
30
22
22
22

rata
umum
woh
ahli
dagang
jaga
kelas
kerja
koperasi

27
27
27
26
26
26
20
20
20

mahasiswa
mari
mati
reiki
sumber
tela
wigati

26
26
26
26
26
26
26

aneh
bukti
dhahar
entuk
ingkang
kaum
kayata

21
21
21
21
21
21
21

krasa
maju
melu
modhel
pratela
sarana
tang

20
20
20
20
20
20
20

kecamatan
kkn

25
25

lakon
paring

21
21

tuli
program

20
24

nate
prestasi

25
25

resik
tenaga

21
21

rumangsa
sapa

24
24

29
29
29
29
28
28
28

128

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

Term
tamba
telu
tingkat
warga
asal
gunung
isi
kono
mono
paling
pisan
amrih
bayi
budi
campur
dhokter
enggal
jero
karya
lulus
mangsa
manut

Frek
25
25
25
25
24
24
24
24
24
24
24
22
22
22
22
22
22
22
22
22
22
22

Term
weneh
antuk
bantu
buku
dhasar
ganggu
jam
jaman
kantor
kaping
karep

Frek
21
20
20
20
20
20
20
20
20
20
20

Term
serikat
tanggal
baku
biyantu
dhaerah
ketaman
kualitas
lumrah
merga
nadyan
sok

Frek
24
24
23
23
23
23
23
23
23
23
23

10. Kata Unik dengan Frekuensi 70-90 (11 kata)

Term
Frek
Rp
89
sekolah
80
butuh
77
dening
77
kurang
76
masarakat
74
ekonomi
73
guru
73
banyu
71
becik
71
indonesia
70

129

PLAGIAT
PLAGIATMERUPAKAN
MERUPAKANTINDAKAN
TINDAKANTIDAK
TIDAKTERPUJI
TERPUJI

11. Kata Unik dengan Frekuensi 50-150 (40 kata)

Term

Frek

Term

Frek

Term

Frek

bocah
Lara
Obat

148
130
103

perlu
rasa
urip

59
59
59

indonesia
jaba
putra

70
68
68

Rega
negara
Rp
sekolah
butuh
dening
kurang
masarakat
ekonomi
Guru
banyu
Becik

97
95
89
80
77
77
76
74
73
73
71
71

manawa
alam
pabrik
wujud
babag
tulis
jinis
murid
tampa
papan
dhuwit
sleman

58
57
57
57
54
54
52
52
52
51
50
50

menyang
barang
tuwa
dina
tandur
gedhe
temu

66
65
64
63
63
62
60

12. Kata Unik dengan Frekuensi 75-85 (4 kata)

Term
sekolah
Butuh
dening
kurang

Frek
80
77
77
76

130