<![CDATA[Perkembangan literatur pendidikan multidisipliner memunculkan kebutuhan akan metode yang efektif untuk memetakan materi ajar. Penelitian ini bertujuan untuk memetakan topik dari lima buku ajar yang mencakup bidang ekonomi, biologi, dan sosiologi politik. Metode yang digunakan adalah text mining untuk mengekstraksi fitur kata kunci dari masing-masing buku, kemudian dilakukan klasterisasi menggunakan algoritma K-Means. Dataset bersumber dari konten buku ajar yang direpresentasikan dalam bentuk vektor berdasarkan bobot TF-IDF. Tahapan analisis mencakup tokenisasi, penghapusan stopword, pembobotan TF-IDF, dan klasterisasi dokumen berdasarkan kemiripan kontennya. Hasil menunjukkan bahwa algoritma K-Means mampu mengelompokkan dokumen menjadi tiga klaster utama, yaitu ekonomi, sains, dan sosial-politik. Pemetaan ini berkontribusi dalam mendukung pemahaman terhadap struktur isi materi ajar lintas disiplin.]]>
Copyrights © 2025
