ABSTRAKSI: Berkembangnya teknologi di dunia maya membuat jumlah informasi berupa artikel berita semakin banyak. Untuk itu, diperlukan suatu pengelompokan terhadap artikel yang memudahkan pembaca mencari informasi dengan menerapkan salah satu fungsionalitas dari data mining, yaitu klasterisasi. Teknik klasterisasi yang ada saat ini masih belum secara tepat menangani data berdimensi tinggi dan database yang berukuran besar sehingga deskripsi dari klaster tersebut masih sulit untuk pahami. Oleh karena itu dibutuhkan metode pengklasteran dimana hasil pengklasteran tersebut memiliki bentuk deskripsi klaster yang mudah dipahami.
Salah satu algoritma yang dapat diterapkan untuk melakukan klusterisasi dokumen adalah Algoritma Harmony Search. Harmony Search merupakan salah satu algoritma evolutionary algorithm yang digunakan untuk menangani masalah optimasi yang mengadopsi cara seorang musisi mengimprovisasi nada instrumen untuk menghasilkan harmony yang indah.
Parameter uji yang digunakan untuk mengukur kulaitas kluster yang dihasilkan adalah F-Measure. Nilai F-Measure yang dihasilkan dengan mengguanakan Algoritma Harmony Search akan dibandingan dengan nilai F-Measure dengan K-Means.
Kata Kunci : klusterisasi, Algoritma Harmony Search, F-Measure, K-Means.ABSTRACT: The development of large numbers of information like news articles are available on the internet. Hence text clustering is needed by applying clasterisation as one of data mining task. Nowdays, the method of text clustering still do not really address the special problem of text clustering such as the high dimensionality of the data and very large size of the database, therefore understandability of the cluster description still difficult to understand.
One algorithm that can be applied to make the document clustering is Harmony Search Algorithm. Harmony Search algorithm is one of the evolutionary algorithm used to handle the optimization problem is to adopt a tone mengimprovisasi music instruments to produce a beautiful harmony.
Test parameters that used to measure the resulting of quality clustering is F-Measure. Resulting F-Measure value with Harmony Search Algorithm compared with F-Measure value with the K-Means.
Keyword: clustering, Harmony Search Algorithm, F-Measure, K-Means.