eprintid: 31772
rev_number: 8
eprint_status: archive
userid: 12
dir: disk0/00/03/17/72
datestamp: 2026-06-29 02:50:34
lastmod: 2026-06-29 03:52:57
status_changed: 2026-06-29 02:50:34
type: thesis
metadata_visibility: show
creators_name: Pratomo, Ero Wahyu
creators_nim: 24.55.1583
contributors_name: Utami, Ema
corp_creators: Universitas AMIKOM Yogyakarta
title: ANALISIS KINERJA DAN PENGEMBANGAN MODEL HYBRID TF-IDF 
DAN SENTENCE EMBEDDING (SBERT/E5) UNTUK MENINGKATKAN 
AKURASI SIMILARITY TEKS PADA REPOSITORY INSTITUSI 
BERBAHASA INDONESIA 
(Studi Kasus: eprints.amikom.ac.id)
ispublished: pub
subjects: 000.000.000A
divisions: PJJ
full_text_status: public
keywords: TF-IDF, SBERT, E5, Text similarity, Hybrid model, Ground truth,
Repositori akademik, Academic repository
abstract: Penelitian ini mengembangkan dan menganalisis performa model hybrid
antara metode TF-IDF dan sentence embedding berbasis transformer (SBERT dan
E5) untuk meningkatkan akurasi pengukuran kemiripan (text similarity) pada
dokumen akademik berbahasa Indonesia. Permasalahan utama yang diangkat
adalah keterbatasan TF-IDF dalam menangkap konteks semantik serta tingginya
biaya komputasi apabila model embedding diterapkan secara penuh pada repositori
berskala besar (28.575 dokumen).
Untuk mengatasi hal tersebut, penelitian ini mengusulkan arsitektur hybrid
dua tahap: TF-IDF digunakan sebagai filter leksikal agresif dengan lost ratio
sebesar 0,9965 untuk mereduksi ruang pencarian, diikuti oleh reranking semantik
menggunakan SBERT dan E5. Hasil eksperimen menunjukkan bahwa model
SBERT unggul dalam stabilitas struktur klaster dengan skor ARI tertinggi (0,3444)
dan Davies-Bouldin Index terendah (2,7506), sedangkan E5 unggul dalam aspek
kelengkapan semantik dengan NMI sebesar 0,5183.
Dari sisi efisiensi, arsitektur hybrid berhasil memangkas waktu pemrosesan
secara signifikan. Metode Hybrid TF-IDF + E5 (3,71 detik) terbukti 47,7% lebih
cepat dibandingkan Hybrid TF-IDF + SBERT (7,10 detik). Secara keseluruhan,
pendekatan hybrid mampu meningkatkan kualitas similarity dan struktur klaster
dibandingkan penggunaan model tunggal. Model ini terbukti mampu
menyeimbangkan efisiensi komputasi dan ketepatan semantik, sehingga sangat
relevan untuk diimplementasikan pada sistem rekomendasi dokumen akademik
berskala besar di repositori institusi.
date: 2026-01-06
date_type: published
institution: Universitas AMIKOM Yogyakarta
department: PJJ Magister Teknik Informatika
thesis_type: masters
thesis_name: tesis
citation:   Pratomo, Ero Wahyu  (2026) ANALISIS KINERJA DAN PENGEMBANGAN MODEL HYBRID TF-IDF DAN SENTENCE EMBEDDING (SBERT/E5) UNTUK MENINGKATKAN AKURASI SIMILARITY TEKS PADA REPOSITORY INSTITUSI BERBAHASA INDONESIA (Studi Kasus: eprints.amikom.ac.id).  S2 - Magister thesis, Universitas AMIKOM Yogyakarta.   
document_url: https://eprints.amikom.ac.id/id/eprint/31772/1/24.55.1583%20Ero%20Wahyu%20Pratomo.pdf