Pendekatan Clustering untuk Ekstraksi Pengetahuan pada Pembangunan Sistem Manajemen Pengetahuan

*Dwinta Rahmallah Pulukadang  -  Magister Sistem Informasi Universitas Diponegoro, Indonesia
Mustafid Mustafid  -  Jurusan Statistik, Fakultas Sains dan Matematika, Universitas Diponegoro, Indonesia
Farikhin Farikhin  -  Jurusan Matematika, Fakultas Sains dan Matematika Universitas Diponegoro, Indonesia
Published: 13 Jul 2015.
Open Access
Citation Format:
Abstract

The importance of knowledge management in any organization encourages the development of a knowledge management system with features that can facilitate knowledge management processes such as storing, organizing, filtering, searching, and most important is the transfer of knowledge. The purpose of this researchis to develop a knowledge management system with a clustering approach for knowledge extraction by using a knowledge of publication writing. This study uses clustering k-means method which is used for cluster knowledge feature where at the same time can help the process of organizing, filtering, browsing and searching knowledge. The results of this research showed that the clustering k-means can be used for knowledge management system with the best value of purity= 0,8454 which is found by using k = 20. Clustering approach in the system again can help the process for knowledge searching based on knowledge cluster. This can be proved by carried out 15 times experiments which result in average level of accuracy (precision) about 89.13% and the average rate of completeness (recall)about 85.73 %.

 

 

Keywords: Knowledge Management System; Extraction; K-means; Clustering

Article Metrics:

Article Info
Section: Research Articles
Language: EN
In Vol 5, No 2 (2015): Volume 5 Nomor 2 Tahun 2015
Statistics: 778 732
Related articles
Sistem Informasi Untuk Supply Chain Berkelanjutan Berbasis Pengetahuan Sistem Informasi Geografis Berbasis Web untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means Sistem Informasi Geografis Berbasis Web untuk Pemetaan Sebaran Alumni Menggunakan Metode K-Means Sistem Manajemen Pengetahuan Berbasis Standar Operasional Prosedur Untuk Meningkatkan Kinerja Pegawai
  1. Babu, K.V.S.N.J., Harshavardhan, T. and Kumar, A.J.S., 2012. The Role of information retrieval in knowledge management. International Journal of Social Science & Interdisciplinary Research 1(10), 212-226
  2. Baets, W., 2005. Knowledge Management and Management Learning. Springer, USA
  3. Boahene, M., Ditsa, G., 2003. Conceptual Confusions in Knowledge Management and Knowledge Management Systems: Clarifications for Better KMS Development. IRM PRESS, Australia
  4. Butler, T., Feller, J., Pope, A., Emerson B., Murphy C., 2008. Designing a core IT artefact for knowledge management systems using participatory action research in a government and a non-government organisation, Journal of Strategic Information Systems 17 (4), 249 – 267
  5. Can, F., E. A., 1990. Concepts and effectiveness of the cover-coefficient-based clustering methodology for text databases. ACM Transactions on Database Systems 15 (4), 483 - 517
  6. Darawaty, I.S., Syarah, S., Nugroho, A.H., Ayuningtyas, F., Istianto, Y., Prasetyo, B., Uliniansyah, M., Gunawan, M., Ani, D., Jarin, A., Handoko, D., 2010. Intelligent Searching Using Association Analysis for law Documents of Indonesian Government. Second International Conference on Advances in Computing, Control, and Telecommunication Technologies, Jakarta, December 2-3, 122-124
  7. Kumar, V., Steinbach, M., Tan, P., 2004. Introduction to Data Mining. Addison-Wesley
  8. Kurniawan, C., 2012.Perancangan Knowledge Management System PT. XYZ. Master Thesis, Graduate Program-Binus University, Jakarta
  9. Larose, D.T., 2005. Discovering Knowledge in Data : An Introduction to Data Mining. Wiley-Interscience, Canada
  10. Maier, R., 2007. Knowledge Management Systems - Information and Communication Technologies for Knowledge Management : Third edition.Springer, New York
  11. Manning, C.D., Raghavan P, dan Schütze H., 2009. Introduction to Information Retrieval. Cambridge University Press
  12. Mardia. K., Kent., Bibby., 1979. Multivariate Analysis, Academic Press
  13. Srividhya, R., Anitha, R., 2010. Evaluating preprocessing techniques in text categorization. international Journal of Computer Science and Application Issue, 49 -51
  14. Wibisono, Y., 2011. Perbandingan Partition Around Medoids (PAM) dan K-means Clustering untuk Tweets, Prosiding Konferensi Nasional Sistem Informasi. Medan, Februari 25-26, 483 – 486
  15. Xiong, H., Wu, J., dan Chen, J., 2009. K-Means clustering versus validation measures: a data distribution perspective. IEEE Transactions on Systems, Man, and Cybernetics – Part B 39 (2), 318-331

Last update: 2021-03-06 00:32:59

No citation recorded.

Last update: 2021-03-06 00:32:59

No citation recorded.

Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk dipublikasikan, hak cipta dari artikel adalah milik JSINBIS dan Universitas Diponegoro sebagai penerbit jurnal.

Hak cipta (copyright) meliputi hak eksklusif untuk mereproduksi dan memberikan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm dan setiap reproduksi lain yang sejenis, serta terjemahan. Penulis mempunyai hak untuk hal-hal berikut:

  1. menggandakan seluruh atau sebagian materi yang dipublikasikan untuk digunakan oleh penulis sendiri sebagai bahan pengajaran di kelas atau bahan presentasi lisan dalam berbagai forum;
  2. menggunakan kembali sebagian atau keseluruhan materi sebagai bahan kompilasi bagi karya tulis penulis;
  3. membuat salinan dari bahan yang dipublikasikan untuk didistribusikan di lingkungan institusi tempat penulis bekerja. 

JSINBIS dan Universitas Diponegoro serta Editor melakukan segala upaya untuk memastikan bahwa tidak ada data, pendapat atau pernyataan yang salah atau menyesatkan yang dipublikasikan di jurnal ini. Isi artikel yang diterbitkan di JSINBIS adalah tanggung jawab tunggal dan eksklusif dari masing-masing penulis.