Claim Missing Document
Check
Articles

Found 1 Documents
Search

Analisis Komparatif Kinerja Algoritma K-Means, Agglomerative Hierarchical Clustering, dan DBSCAN dalam Pengelompokan Teks Fatwa DSN-MUI dan Terjemahan Al-Qur'an pada Siklus E-Commerce Rizqi Jalal; Munawar
Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya Vol. 32 No. 2 (2026): Paradigma: Jurnal Filsafat, Sains, Teknologi, dan Sosial Budaya
Publisher : Universitas Insan Budi Utomo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33503/paradigma.v32i2.4107

Abstract

Pertumbuhan e-commerce di Indonesia yang pesat menciptakan kebutuhan mendesak akan kerangka kepatuhan syariah yang komprehensif, tidak hanya pada titik transaksi, tetapi mencakup seluruh rantai proses digital mulai dari pengadaan hingga layanan purna jual. Permasalahan utama yang dihadapi adalah bahwa sumber rujukan syariah utama, yaitu ketentuan Fatwa Dewan Syariah Nasional-Majelis Ulama Indonesia (DSN-MUI) dan terjemahan Al-Qur'an, tersedia dalam bentuk teks tidak terstruktur bervolume besar yang sangat sulit dipetakan secara manual ke isu-isu spesifik pada tiap tahapan siklus e-commerce. Penelitian ini menerapkan pendekatan text mining berbasis clustering untuk mengotomasi pemetaan tema syariah dari kedua korpus tersebut ke dalam enam tahapan siklus e-commerce: Procurement, Warehouse & Inventory, Listing & Marketing, Transaksi & Pembayaran, Fulfillment & Delivery, dan After-Sales/Return. Data bersumber dari 1.258 butir ketentuan Fatwa DSN-MUI yang difilter menggunakan metode 3-Tier Hybrid Filtering dan 265 ayat terjemahan Al-Qur'an yang difilter menggunakan metode 2-Layer Filtering. Pipeline pemrosesan mencakup case folding, tokenisasi, stopword removal, stemming menggunakan PySastrawi, pembobotan TF-IDF dengan konfigurasi unigram-bigram, serta reduksi dimensi menggunakan Latent Semantic Analysis (LSA/Truncated SVD). Tiga algoritma clustering dibandingkan kinerjanya menggunakan Silhouette Score dan Davies-Bouldin Index (DBI): K-Means dengan inisialisasi K-Means++, DBSCAN dengan parameter berbasis k-distance plot, dan Agglomerative Hierarchical Clustering (AHC) dengan metode linkage average dan complete. Hasil evaluasi menunjukkan K-Means sebagai algoritma terbaik pada kedua dataset, dengan Silhouette Score 0,2210 dan DBI 2,7525 pada dataset Al-Qur'an (K=11), serta Silhouette Score 0,1622 dan DBI 3,1739 pada dataset Fatwa DSN-MUI (K=13). Matriks kesesuaian yang dihasilkan mengindikasikan status SELARAS pada siklus Transaksi & Pembayaran dan After-Sales/Return, status PARSIAL pada siklus Listing & Marketing, Warehouse & Inventory, dan Fulfillment & Delivery, serta teridentifikasinya GAP QURAN pada siklus Procurement dan GAP FATWA pada isu Inventory Record Inaccuracy.