FIKOM UNASMANFIKOM UNASMAN

Jurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah MandarJurnal Ilmiah Ilmu Komputer Fakultas Ilmu Komputer Universitas Al Asyariah Mandar

Pentingnya manajemen pengetahuan dalam setiap organisasi mendorong pengembangan sistem manajemen pengetahuan dengan fitur yang dapat memfasilitasi proses manajemen pengetahuan seperti menyimpan, mengatur, memfilter, mencari, dan yang paling penting adalah transfer pengetahuan. Tujuan dari penelitian ini adalah untuk mengembangkan sistem manajemen pengetahuan dengan pendekatan clustering untuk ekstraksi pengetahuan dengan menggunakan pengetahuan tentang penulisan publikasi. Penelitian ini menggunakan metode clustering k-means yang digunakan untuk fitur pengetahuan cluster yang sekaligus dapat membantu proses pengaturan, penyaringan, penelusuran, dan pencarian pengetahuan. Hasil penelitian ini menunjukkan bahwa clustering k-means dapat digunakan untuk sistem manajemen pengetahuan dengan nilai purity terbaik = 0,8454 yang ditemukan dengan menggunakan k = 20. Pendekatan clustering dalam sistem dapat membantu proses pencarian pengetahuan berdasarkan cluster pengetahuan. Hal ini dapat dibuktikan dengan dilakukan 15 kali percobaan yang menghasilkan tingkat akurasi (presisi) rata-rata sekitar 89,13% dan tingkat kelengkapan (recall) rata-rata sekitar 85,73%.

Berdasarkan penelitian yang dilakukan, dapat disimpulkan bahwa pendekatan clustering dapat digunakan untuk ekstraksi pengetahuan pada pembangunan SMP (Sistem Manajemen Pengetahuan).Clustering juga dapat digunakan untuk mendukung salah satu fitur utama SMP yaitu knowledge cluster dan dapat menyempurnakan keluaran dari SMP.Pendekatan clustering secara khusus dapat membantu dalam penelusuran pengetahuan dengan kata kunci berbentuk cluster pengetahuan yang dibuktikan dengan pengukuran rata-rata nilai presisi dan recall di atas 80%.

Penelitian lanjutan dapat fokus pada peningkatan akurasi ekstraksi pengetahuan dengan mengkombinasikan metode clustering K-means dengan algoritma optimasi seperti Particle Swarm Optimization (PSO) atau algoritma genetika, sehingga dapat menemukan pusat cluster yang lebih optimal dan meningkatkan kualitas pengelompokan dokumen. Sebagai alternatif, eksplorasi metode validasi cluster lain, seperti Davies-Bouldin Index atau Silhouette Coefficient, dapat memberikan perspektif yang berbeda dalam mengevaluasi kualitas cluster yang dihasilkan. Selain itu, studi lebih lanjut diperlukan untuk menguji efektivitas sistem manajemen pengetahuan (SMP) dalam konteks yang berbeda, seperti pada organisasi dengan struktur yang lebih kompleks atau dengan jenis pengetahuan yang lebih beragam, misalnya dengan mengintegrasikan data dari berbagai sumber seperti media sosial atau forum diskusi online untuk memperkaya basis pengetahuan. Pertanyaan penelitian yang relevan adalah: Bagaimana kombinasi K-means dan PSO dapat meningkatkan presisi dan recall dalam penelusuran informasi di SMP? Apakah metode validasi cluster alternatif memberikan hasil evaluasi yang konsisten dengan purity dalam konteks ekstraksi pengetahuan dari dokumen publikasi? Bagaimana SMP dapat diadaptasi untuk mengelola pengetahuan dari sumber-sumber yang berbeda dan heterogen dalam sebuah organisasi?.

  1. #manajemen pengetahuan#manajemen pengetahuan
  2. #sistem manajemen aset#sistem manajemen aset
Read online
File size871.46 KB
Pages4
Short Linkhttps://juris.id/p-25X
Lookup LinksGoogle ScholarGoogle Scholar, Semantic ScholarSemantic Scholar, CORE.ac.ukCORE.ac.uk, WorldcatWorldcat, ZenodoZenodo, Research GateResearch Gate, Academia.eduAcademia.edu, OpenAlexOpenAlex, Hollis HarvardHollis Harvard
DMCAReport

Related /

ads-block-test