Penerapan UMAP dan HDBSCAN untuk Pengelompokan Semantik Judul Buku Menggunakan Embedding Sentence-BERT

Abstract

Abstrak— Pengorganisasian koleksi buku pada perpustakaan skala besar masih menghadapi tantangan karena proses pengelompokan umumnya dilakukan secara manual. Selain itu, karakteristik judul buku yang berupa short text menyebabkan informasi semantik yang tersedia terbatas sehingga pengelompokan otomatis menjadi lebih sulit dilakukan. Penelitian ini mengusulkan model pengelompokan judul buku secara otomatis dengan mengintegrasikan tiga pendekatan, yaitu Sentence-BERT (SBERT) untuk ekstraksi representasi semantik, Uniform Manifold Approximation and Projection (UMAP) untuk reduksi dimensi, dan Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN) untuk pembentukan kelompok berdasarkan kepadatan data. Dataset yang digunakan terdiri atas 13.846 judul buku dari repositori publik GitHub. Sebelum proses pemodelan, dilakukan tahapan preprocessing sehingga diperoleh 12.211 judul buku, kemudian setiap judul buku direpresentasikan menjadi vektor embedding menggunakan SBERT. Konfigurasi parameter UMAP dan HDBSCAN dioptimasi menggunakan metode One Factor at a Time (OFAT) dan dievaluasi menggunakan Silhouette Score, Davies–Bouldin Index (DBI), dan Calinski–Harabasz Index (CHI). Konfigurasi terbaik menghasilkan 63 kelompok dengan nilai Silhouette Score 0,6289, DBI 0,5029, CHI 16.342,15, dan proporsi noise 31,00%. Setiap kelompok kemudian diberi label kategori berdasarkan kata dan frasa dominan dengan mengacu pada sistem Dewey Decimal Classification (DDC). Hasil tersebut menunjukkan bahwa pendekatan yang diusulkan mampu menghasilkan pengelompokan judul buku yang lebih representatif berdasarkan kemiripan semantik sehingga dapat mendukung pengelolaan koleksi perpustakaan secara lebih efektif.

Kata Kunci— Clustering, HDBSCAN, Judul Buku, Sentence-BERT, UMAP.