PENERAPAN TOPIC MODELING TREN PENELITIAN SKRIPSI MAHASISWA MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) PADA UNIVERSITAS DIPA MAKASSAR

Bakhri, Isra Andika (2023) PENERAPAN TOPIC MODELING TREN PENELITIAN SKRIPSI MAHASISWA MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) PADA UNIVERSITAS DIPA MAKASSAR. S2 - Magister thesis, Universitas AMIKOM Yogyakarta.

Text (THESIS) 21.55.1028 Isra Andika Bakhri.pdf Download (3MB)

Abstract

Salah satu yang menjadi permasalahan dalam pengajuan judul penelitian skripsi mahasiswa adalah topik yang diajukan terlalu monoton, juga dari algoritma yang diajukan. Didalam penelitian ini akan dilakukan pemecahan masalah tersebut dengan melibatkan konsep topic modeling dan information retrieval untuk mencegah mahasiswa mengajukan dengan topik yang monoton berdasarkan tren penelitian dikampus mereka. Pada penelitian ini akan digunakan algoritma topic modeling yang bernama latent Dirichlet allocation (LDA) sedangkan untuk algoritma information retrieval menggunakan vector space model (VSM). Kedua algoritma itu akan diujikan menggunakan 4 skenario preprocessing dengan melibatkan stemmer truncating menggunakan library sastrawi dan stemmer statistical menggunakan N-gram untuk mendapatkan scenario preprocessing terbaik untuk kedua algoritma tersebut. Selanjutnya akan dikomparasikan hasil dari model tersebut yaitu LDA menghasilkan latent topics berisi topik-topik paling banyak disebut didalam dataset sedangkan VSM akan mencari tau dari topik tersebut dataset yang seperti apa yang dianggap monoton dan tren penelitian. Sehingga dataset berjumlah 430 akan difilter sedangkan hasil filternya akan dijadikan dataset baru, selanjutnya akan digunakan algoritma VSM baru untuk dilatih dengan dataset baru, maka model VSM baru inilah yang akan berinteraksi dengan mahasiswa yang mengajukan judul skripsi apakah judulnya masuk dalam kategori monoton atau tidak. Dari hasil penelitian model LDA dan VSM akan lebih optimal menerapkan stemmer truncating dan stemmer statistical, masing-masing menghasilkan coherence score 0.30663692761114086 dan mean average precision (mAP) sebesar 0.6438269428983715. Pada model LDA berhasil menyaring 12 topik mononton dari data selanjutnya dilanjutkan VSM untuk mencari data tersebut sehingga dari 430 dataset tersisa 58 dataset yang kemudian dimasukkan dalam model VSM baru dan dilakukan testing dengan 10 data pengajuan judul dan model tersebut menjawab dengan tepat hasil cek topik monoton berdasarkan tren penelitian mahsiswa pada kampus tersebut. Maka didapatkanlah metode tepat yang dapat mencegah judul dengan topik yang masuk dalam topik yang monoton. Dampaknya dari hasil penelitian ini membuat mahasiswa memilih mengajukan topik yang lebih bervariasi dan tidak monoton.

Actions (login required)

View Item