Digilib | Universitas Negeri Surabaya

Jenis Dokumen

Disertasi
Karya Akhir S1
Karya Akhir S2
Karya Akhir S3
Skripsi
Tesis
Tugas Akhir D3
Tugas Akhir D4

Fakultas

Ilmu Pendidikan
Bahasa & Seni
Matematika dan Ilmu Pengetahuan Alam
Ilmu Sosial & Politik
Hukum
Psikologi
Teknik
Ekonomika dan Bisnis
Ilmu Keolahragaan dan Kesehatan
Vokasi
Pascasarjana

Pengelompokan dan Klasifikasi Jenis Buku Berdasarkan Judul Menggunakan Pendekatan Machine Learning

Kode Dokumen : 0116/FT-TI/2026

Penulis Utama : SYELMA ROHMATIL FATIKH

NIM Penulis Utama: 22051204065

Tahun : 2026

Judul ID :

Pengelompokan dan Klasifikasi Jenis Buku Berdasarkan Judul Menggunakan Pendekatan Machine Learning

Judul EN :

Clustering and Classification of Book Genres Based on Titles Using a Machine Learning Approach

Sumber : UNESA - Fakultas Teknik - Jurusan S1 Teknik Informatika - 22051204065 - 2026

Jenis Dokumen : Skripsi

Abstrak ID : Pengelolaan koleksi buku di perpustakaan dalam skala besar menghadapi tantangan efisiensi, khususnya pada proses pengelompokan dan klasifikasi yang masih banyak dilakukan secara manual. Selain itu, karakteristik judul buku sebagai teks pendek (short text) menyebabkan keterbatasan informasi (sparsity) sehingga menyulitkan pengenalan konteks semantik. Penelitian ini bertujuan mengembangkan model pengelompokan dan klasifikasi jenis buku berdasarkan judul menggunakan pendekatan machine learning dengan mengombinasikan Sentence-BERT (SBERT), Uniform Manifold Approximation and Projection (UMAP), Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN), dan Support Vector Machine (SVM). Dataset yang digunakan berupa data judul buku yang diperoleh dari repositori publik GitHub. Tahapan penelitian meliputi preprocessing data, ekstraksi fitur menggunakan model Sentence-BERT all-mpnet-base-v2, reduksi dimensi menggunakan UMAP, clustering menggunakan HDBSCAN, pelabelan cluster, serta klasifikasi menggunakan SVM. Pengujian SVM dilakukan menggunakan kernel Linear, Radial Basis Function (RBF), Polynomial, dan Sigmoid dengan tiga skenario pembagian data. Hasil penelitian menunjukkan bahwa kombinasi parameter terbaik HDBSCAN menghasilkan 63 cluster dari 12.211 judul buku dengan nilai Silhouette Score sebesar 0,6289, Davies-Bouldin Index (DBI) sebesar 0,5029, dan Calinski-Harabasz Index (CHI) sebesar 16.342,15, dengan 31,00% data teridentifikasi sebagai noise. Model SVM terbaik diperoleh menggunakan kernel RBF dengan C=10 dan gamma=scale pada pembagian data 80%:20%, dengan Accuracy sebesar 96,91%, Precision sebesar 97,04%, Recall sebesar 96,91%, dan weighted F1-Score sebesar 96,90%. Hasil 5-Fold Stratified Cross Validation pada konfigurasi tersebut menghasilkan rata-rata weighted F1-Score sebesar 95,75% dengan standar deviasi 0,31%, yang menunjukkan performa model relatif konsisten. Dengan demikian, pendekatan yang diterapkan mampu mengelompokkan judul buku berdasarkan kemiripan semantik serta membangun model klasifikasi untuk memprediksi kategori judul buku baru.

Abstrak EN : Managing large-scale library book collections presents efficiency challenges, particularly in the grouping and classification processes that are still largely performed manually. In addition, the characteristics of book titles as short texts result in limited information (sparsity), making it difficult to identify their semantic context. This study aims to develop a model for grouping and classifying book types based on their titles using a machine learning approach that combines Sentence-BERT (SBERT), Uniform Manifold Approximation and Projection (UMAP), Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN), and Support Vector Machine (SVM). The dataset consists of book title data obtained from a public GitHub repository. The research stages include data preprocessing, feature extraction using the Sentence-BERT all-mpnet-base-v2 model, dimensionality reduction using UMAP, clustering using HDBSCAN, cluster labeling, and classification using SVM. SVM testing was conducted using Linear, Radial Basis Function (RBF), Polynomial, and Sigmoid kernels with three data-splitting scenarios. The results show that the best HDBSCAN parameter combination produced 63 clusters from 12,211 book titles, with a Silhouette Score of 0.6289, a Davies-Bouldin Index (DBI) of 0.5029, and a Calinski-Harabasz Index (CHI) of 16,342.15, while 31.00% of the data were identified as noise. The best SVM model was obtained using the RBF kernel with C=10 and gamma=scale under an 80%:20% data split, achieving an Accuracy of 96.91%, Precision of 97.04%, Recall of 96.91%, and weighted F1-Score of 96.90%. The 5-Fold Stratified Cross Validation results for this configuration yielded an average weighted F1-Score of 95.75% with a standard deviation of 0.31%, indicating relatively consistent model performance. Therefore, the proposed approach is capable of grouping book titles based on semantic similarity and building a classification model to predict the categories of new book titles.

Link Artikel

File Abstrak

File Lampiran