Topic Modeling Pada Abstrak Skripsi Menggunakan Metode Latent Semantic Analysis

Rifqi Hakim; Khalid Khalid; Dwi Rolliawati

doi:10.22441/10.22441/format.2022.v11.i1.009

Topic Modeling Pada Abstrak Skripsi Menggunakan Metode Latent Semantic Analysis

Rifqi Hakim, Khalid Khalid, Dwi Rolliawati

Abstract

Abstrak – Skripsi merupakan penelitian akhir bagi mahasiswa strata-1. Dengan semakin bertambahnya dokumen skripsi, maka akan terbentuk informasi dari kumpulan dokumen tersebut. Penelitian ini dilakukan untuk menentukan pemodelan topik dan analisis tren topik dari kumpulan abstrak skripsi Program Studi Sastra Ingris UINSA tahun 2014 sampai 2019. Dari 720 dataset abstrak skripsi dilakukan pemodelan topik dengan metode Latent Semantic Analysis yang meliputi preprocessing, pembobotan term, dan perhitungan Singular Value Decomposition. Pemodelan Topik menghasilkan 20 topik linguistik dan 17 topik literatur. Kemudian pada analisis tren topik, diperoleh 7 tren topik untuk setiap jenis penelitian. Penelitian didominasi oleh penelitian linguistik tindak tutur yang termasuk dalam bidang sosiolinguistik. Berdasarkan hasil analisis jenis penelitian dibandingkan dengan data real jenis penelitian Program Studi Sastra Inggris UINSA, menghasilkan hasil analisis penelitian linguistik memiliki presisi 80% dan recall 90%, sedangkan jumlah penelitian literatur memiliki presisi 74% dan recall 57%, tingkat akurasi analisis jenis penelitian memiliki rata-rata 79%

Keywords

Klasifikasi Topik; Latent Semantic Analysis

Full Text:

PDF

References

A. Setiawan, J. Darmanta, Tinaliah, and Yoannita, “Peringkasan dokumen berita Bahasa Indonesia menggunakan metode Cross Latent Semantic Analysis,” Regist. J. Ilm. Teknol. Sist. Inf., vol. 3, no. 2, p. 94, 2017, doi: 10.26594/register.v3i2.1161.

K. R. Prilianti and H. Wijaya, “Aplikasi Text Mining untuk Automasi Penentuan Tren Topik Skripsi dengan Metode K-Means Clustering,” vol. 2, no. 1, pp. 1–6, 2014.

C. S. Hudaya, H. Fakhrurroja, and A. Alamsyah, “Analisis Persepsi Konsumen Terhadap Brand Go-Jek Pada Media Sosial Twitter Menggunakan Metode Sentiment Analysis Dan Topic Modelling,” J. Mitra Manaj., vol. 2, no. 4, pp. 273–285, 2018, [Online]. Available: http://e-jurnalmitramanajemen.com/index.php/jmm/article/view/125/69.

A. I. Alfanzar, “Topic modelling skripsi menggunakan metode latent dirichlet allocation,” Universitas Islam Negeri Sunan Ampel, 2019.

I. N. Farida, M. Kom, D. Swanjaya, and M. Kom, “ARTIKEL IMPLEMENTASI METODE LATENT DIRICHLET ALLOCATION UNTUK MENENTUKAN TOPIK TEKS BERITA Oleh : DIMAS ARYANTO SAPUTRO Dibimbing oleh : UNIVERSITAS NUSANTARA PGRI KEDIRI TAHUN 2019 SURATPERNYATAAN ARTIKEL SKRIPSI TAHUN 2019,” 2019.

A. Luthfiarta, J. Zeniarja, and A. Salam, “Algoritma Latent Semantic Analysis ( LSA ) Pada Peringkas Dokumen Otomatis Untuk Proses Clustering Dokumen,” Semin. Nas. Teknol. Inf. Komun. Terap. 2013 (SEMANTIK 2013), vol. 2013, no. November, pp. 13–18, 2013.

Wikipedia, “Diagram Alir,” 2019. https://id.wikipedia.org/wiki/Diagram_alir (accessed Nov. 27, 2019).

M. A. Putra et al., “ANALISIS BRAND AWARENES S PRODUK OTOMOTIF PADA MASA RILIS MENGGUNAKAN DYNAMIC NETWORK ANALYSIS ( STUDI KASUS PADA ALL NEW NISSAN LIVINA ) BRAND AWARENESS ANALYSIS OF AUTOMOTIVE PRODUCTS DURING THE RELEASE USING DYNAMIC NETWORK ANALYSIS ( CASE STUDY ON ALL,” vol. 6, no. 2, pp. 1926–1933, 2019.

A. A. Jadhira, M. A. Bijaksana, and B. A. Wahyudi, “Deteksi Kemiripan Bagian-bagian Terjemah Al-Qur’an dengan Menggunakan Metode Latent Semantic Analysis,” eProceedings Eng., vol. 5, no. 3, pp. 7649–7657, 2018, [Online]. Available: https://libraryeproceeding.telkomuniversity.ac.id/index.php/engineering/article/view/7286.

A. Rahman, “Online News Classification Using Multinomial Naive Bayes,” Itsmart, vol. 6, no. 1, pp. 32–38, 2017, doi: 10.1177/1096348015584441.

A. Priyanto and M. R. Ma’arif, “Implementasi Web Scrapping dan Text Mining untuk Akuisisi dan Kategorisasi Informasi dari Internet (Studi Kasus: Tutorial Hidroponik),” Indones. J. Inf. Syst., vol. 1, no. 1, pp. 25–33, 2018, doi: 10.24002/ijis.v1i1.1664.

D. C. Hidayati, S. Al Faraby, and A. Adiwijaya, “Klasifikasi Topik Multi Label pada Hadis Shahih Bukhari Menggunakan K-Nearest Neighbor dan Latent Semantic Analysis,” JURIKOM (Jurnal Ris. Komputer), vol. 7, no. 1, p. 140, 2020, doi: 10.30865/jurikom.v7i1.2013.

S. Fauziah, “Kesantunan Sebagai Kajian Sosiolinguistik,” J. Chem. Inf. Model., vol. 53, no. 9, pp. 1689–1699, 2018, doi: 10.1017/CBO9781107415324.004.

D. A. N. P. E. B. Ahasa, “HUBUNGAN VARIASI BAHASA DENGAN KELOMPOK SOSIAL,” pp. 12–13, 1986, [Online]. Available: https://media.neliti.com/media/publications/78731-ID-hubungan-variasi-bahasa-dengan-kelompok.pdf.

M. H. Yendra, S. S., “PENERAPAN SOSIOLINGUISTIK DALAM MEMAHAMI SOSIOKULTURAL MINANGKABAU UNTUK PENDIDIKAN KARAKTER; CIME’EH DAN INSYA ALLAH ORANG MINANGKABAU,” J. IPTEKS Terap. Res. Appl. Sci. Educ., vol. 10, pp. 71–80, 2016, doi: http://dx.doi.org/10.22216/jit.2016.v10i1.466.

L. Lei and D. Liu, “Research Trends in Applied Linguistics from 2005 to 2016: A Bibliometric Analysis and Its Implications,” Appl. Linguist., vol. 40(3), pp. 540–561, 2019, doi: doi:10.1093/applin/amy003.

DOI: http://dx.doi.org/10.22441/10.22441/format.2022.v11.i1.009

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Format : Jurnal Ilmiah Teknik Informatika
Fakultas Ilmu Komputer Universitas Mercu Buana
Jl. Raya Meruya Selatan, Kembangan, Jakarta 11650
Tlp./Fax: +62215840816
http://publikasi.mercubuana.ac.id/index.php/format