ANALISA ALGORITMA K-MEDOIDS DALAM PENGELOMPOKAN UMPASA BATAK TOBA

Abstract

Penelitian ini bertujuan untuk mengelompokkan Umpasa Batak Toba, bagian dari sastra lisan suku Batak Toba yang kaya makna filosofis dan moral, menggunakan algoritma K-Medoids. Seiring dengan perkembangan zaman, generasi muda semakin asing dengan warisan budaya ini, sehingga diperlukan upaya pelestarian melalui pendekatan teknologi. Algoritma K-Medoids berhasil diterapkan untuk mengelompokkan umpasa ke dalam empat kategori: Bijak, Doa/Harapan, Nasehat, dan Berkat. Hasil pengelompokan menunjukkan bahwa Cluster 0 terdiri dari 22 umpasa Bijak, Cluster 1 memiliki 32 umpasa Doa/Harapan, Cluster 2 berisi 84 umpasa Nasehat, dan Cluster 3 mencakup 74 umpasa Berkat. Analisis menunjukkan bahwa variasi hasil klaster dipengaruhi oleh inisialisasi medoid, metrik jarak, implementasi algoritma, konvergensi, serta presisi dalam perhitungan. Hasil Silhouette Score menunjukkan nilai -0,67 pada klasterisasi menggunakan empat klaster, yang mengindikasikan performa kurang optimal. Namun, pengujian ulang dengan nilai k=3 memberikan hasil terbaik, dengan Silhouette Score sebesar 0,59, sedangkan penambahan jumlah klaster menjadi lima menunjukkan penurunan kualitas klasterisasi. Temuan ini memberikan optimalisasi algoritma K-Medoids dalam pengelompokan data Umpasa Batak Toba.