ANALISIS DAN PENERAPAN TOPIC MODELING PADA JUDUL TUGAS AKHIR MAHASISWA MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION (LDA)

Titiana Titiana
Dwi Hosanna Bangkalang


DOI: https://doi.org/10.29100/jipi.v8i4.4254

Abstract


Tugas akhir menjadi syarat kelulusan bagi mahasiswa program studi Sistem Informasi, Fakultas Teknologi Informasi, Universitas Kristen Satya Wacana. Penentuan judul tugas akhir di program studi, biasanya ditentukan sesuai konsentrasi. Namun, saat penentuan judul masih terdapat mahasiswa yang kebingungan karena tidak mempunyai referensi yang valid terkait gambaran judul di konsentrasi program studi. Sehingga, mahasiswa sering memasukan data kosong pada judul tugas akhir saat melakukan pendaftaran. Selain itu, program studi juga belum mempunyai informasi terkait pengelompokan judul tugas akhir mahasiswa. Oleh karena itu dibutuhkan topic modeling untuk mengetahui minat judul tugas akhir sebagai referensi mahasiswa dalam penentuan judul. Topic modeling dibuat menggunakan metode Latent Dirichlet Allocation (LDA) kemudian dibuat pengklasteran serta dilakukan evaluasi model menggunakan hyperparameter tuning dan coherence score sebagai alat ukur performa model. Tahapan penelitian meliputi studi literatur dan wawancara, pengumpulan dan analisis data, data pre-processing, pembuatan model, dan evaluasi. Diperoleh hasil bahwa mayoritas mahasiswa Sistem Informasi mengambil judul bertema Tata Kelola. Model yang dibuat memperoleh 4 cluster yaitu terkait Technology Acceptance Model, Framework Cobit, dan Arsitektur Enterprise.  Setelah dilakukan hyperparameter tuning didapat coherence score sebesar 0,617789 dari yang sebelumnya 0,53448. Tujuan penelitian ini adalah memodelkan topik tugas akhir mahasiswa sebagai informasi cluster pengambilan judul tugas akhir dari peneliti mahasiswa terdahulu. Sehingga bermanfaat sebagai referensi pengambilan judul tugas akhir untuk mahasiswa sebagai dasar pengetahuan minat judul tugas akhir dan untuk memberikan pengetahuan dan kontribusi bagi program studi sebagai landasan penyesuaian judul tugas akhir mahasiswa, konsentrasi serta pengembangan kurikulum.


Keywords


Tugas akhir; LDA; Topic modeling; Cluster; hyperparameter tuning

Full Text:

PDF

Article Metrics :

References


Zain, M. I., Radiusman, R., Syazali, M., Hasnawati, H., & Amrullah, L. W. Z. (2021). IDENTIFIKASI KESULITAN MAHASISWA DALAM PENYUSUNAN SKRIPSI PRODI PGSD UNIVERSITAS MATARAM. Tunjuk Ajar: Jurnal Penelitian Ilmu Pendidikan, 4(1), 73. https://doi.org/10.31258/jta.v4i1.73-85

Kurniawan, H., & Bondowoso, W. B. (2019). SISTEM INFORMASI TERINTEGRASI TUGAS AKHIR/SKRIPSI BERBASIS WEB (Studi Kasus: Jurusan Sistem Informasi Institut Informatika dan Bisnis Darmajaya). In Jurnal Sistem Informasi dan Manajemen Basis Data (SIMADA) (Vol. 02, Issue 02).

Subekti, P., Andini, T. D., & Islamiyah, M. (2022). Sistem Penentuan Konsentrasi Jurusan Bagi Mahasiswa Informatika Menggunakan Metode K-Means Di Institut Asia Malang. Jurnal Manajemen Informatika (JAMIKA), 12(1), 25–39. https://doi.org/10.34010/jamika.v12i1.6452

Nurlayli, A., & Nasichuddin, M. A. (2019). Topic Modeling Penelitian Dosen JPTEI UNY pada Google Scholar Menggunakan Latent Di-richlet Allocation. 4(2), 154–161. https://doi.org/10.21831/elinvo.v4i2

Sahria, Y., Isnaini Febriarini, N., Dwi Oktavianti, P., Teknologi Yogyakarta, U., Studi Sarjana Keperawatan Al Islam Yogyakarta, P., Sili-wangi Jl Ring Road Utara, J., Lor, J., Mlati, K., & Sleman, K. (n.d.). Yoga Sahria, Pemodelan Topik Penelitian Bidang Keperawatan Indo-nesia pada Repository Jurnal Sinta Menggunakan Metode Topic modeling LDA (Latent Dirichlet Allocation) PEMODELEN TOPIK PENELITIAN BIDANG KEPERAWATAN INDONESIA PADA REPOSITORY JURNAL SINTA MENGGUNAKAN METODE TOPIC MODELING LDA (LATENT DIRICHLET ALLOCATION).

Storopoli, J. E. (n.d.). Perspectives TOPIC MODELING: HOW AND WHY TO USE IN MANAGEMENT RESEARCH. https://doi.org/10.1177/2329488

Westerlund, M., Leminen, S., & Rajahonka, M. (2018). A Topic modeling Analysis of Living Labs Research. In Technology Innovation Management Review (Vol. 8, Issue 7).

Mailoa, E., Damayanti, W., & Christopher, N. (2021). The Use of Text Mining to Investigate Undergraduate Research Topic Clusters from 2015 to 2019. 2021 2nd International Conference on Innovative and Creative Information Technology, ICITech 2021, 44–49.

Iffan Alfanzar, A., & Sudanawati Rozas, I. (n.d.). TOPIC MODELING SKRIPSI MENGGUNAKAN METODE LATENT DIRICLHET ALLOCATION. Sistem Informasi |, 7(1), 7–13.

Novarian, N., Khomsah, S., & Arifa, A. B. (2023). LEDGER: Journal Informatic and Information Technology Topic Modeling tugas akhir Mahasiswa Fakultas Informatika Institut Teknologi Telkom Purwokerto Menggunakan Metode Latent Dirichlet Allocation (Vol. 2, Issue 1).

Kherwa, P., & Bansal, P. (2020). Topic Modeling: A Comprehensive Review. EAI Endorsed Transactions on Scalable Information Sys-tems, 7(24), 1–16. https://doi.org/10.4108/eai.13-7-2018.159623

Naury, C., Fudholi, D. H., & Hidayatullah, A. F. (2021). Topic modeling pada Sentimen Terhadap Headline Berita Online Berbahasa In-donesia Menggunakan LDA dan LSTM. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(1), 24. https://doi.org/10.30865/mib.v5i1.2556

Wayan, N., Suaryani, N., Putri, T., Rifaldi, R., & Giri, W. (2020). ANALISIS TOPIC MODELING UNTUK MENGIDENTIFIKASI TOPIK PEMBICARAAN PADA MEDIA SOSIAL BANK BNI Jurnal Mitra Manajemen (JMM Online). 4(6), 1002–1013.

Sihombing, D. O. (2022). Implementasi Natural Language Processing ( NLP ) dan Algoritma Cosine Similarity dalam Penilaian Ujian Esai Otomatis. 4, 396–406. https://doi.org/10.30865/json.v4i2.5374

Kurniasari, T. K., Maharani, W., & Husen, J. H. (n.d.). Analisis Media Sosial Twitter untuk Mengetahui Pengguna Berpengaruh pada Portal Berita di Indonesia dengan Metode TSIM (Topic-based Social Influence Measurment).

N. Hafidz and D. Y. Liliana, “Klasifikasi Sentimen pada Twitter Terhadap WHO,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 213–219, 2021, doi: https://doi.org/10.29207/resti.v5i2.2960.

Fitri, H., Widyawan, W., & Soesanti, I. (2021). Topic Modeling in the News Document on Sustainable Development Goals. IJITEE (Inter-national Journal of Information Technology and Electrical Engineering), 5(3), 82. https://doi.org/10.22146/ijitee.67467

Keputusan Dirjen Penguatan Riset dan Pengembangan Ristek Dikti, S., Sahria, Y., & Hatta Fudholi, D. (2017). Terakreditasi SINTA Per-ingkat 2 Analisis Topik Penelitian Kesehatan di Indonesia Menggunakan Metode Topic Modeling LDA (Latent Dirichlet Allocation). Masa Berlaku Mulai, 1(3), 336–344.

Ridhwanulah, D., & Fudholi, D. H. (2022). Pemodelan Topik pada Cuitan tentang Penyakit Tropis di Indonesia dengan Metode Latent Dirichlet Allocation. Jurnal Ilmiah SINUS, 20(1), 11. https://doi.org/10.30646/sinus.v20i1.589

Dirjen, S. K., Riset, P., Pengembangan, D., Dikti, R., & Susanto, I. K. (2018). Terakreditasi SINTA Peringkat 4 Analisis Sentimen dan Top-ic modeling Pada Pembelajaran Online di Indonesia Melalui Twitter (Vol. 3, Issue 1).

Gupta, R. K., Agarwalla, R., Naik, B. H., Evuri, J. R., Thapa, A., & Singh, T. D. (2022). Prediction of research trends using LDA based topic modeling. Global Transitions Proceedings, 3(1), 298–304. https://doi.org/10.1016/j.gltp.2022.03.015

Aditya, B. R., No, J. T., Buah, T., & Bandung, B. (2015). Penggunaan Web Crawler Untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. Jurnal Infotel, 7(2).

Jagannathan, M., Roy, D., & Delhi, V. S. K. (2022). Application of NLP-based topic modeling to analyse unstructured text data in annual reports of construction contracting companies. CSI Transactions on ICT, 10(2), 97–106. https://doi.org/10.1007/s40012-022-00355-w

Dheanis, K., Salsabila, A., Trianasari, N., Artikel, R., Kunci, K., & Konsumen, P. (2021). Jurnal Teknologi dan Manajemen Informatika Analisis Persepsi Produk Kosmetik Menggunakan Metode Sentiment Analysis Dan Topic Modeling (Studi Kasus: Laneige Water Sleeping Mask) Info Artikel ABSTRAK. 7(1). http://http://jurnal.unmer.ac.id/index.php/jtmi

Iqbal, M., Mahmud Nawawi, H., Rangga Ramadhan Saelan, M., Sony Maulana, M., & Mustopa, A. (2023). OPTIMASI HYPERPARAMETER MULTILAYER PERCEPTRON UNTUK PREDIKSI DAYA BELI MOBIL. Jurnal Manajemen Informatika & Sistem Informasi (MISI), 6(1). https://doi.org/10.36595/misi.v5i2

Amaradiena, K., & Widarmanti, T. (2023). SEIKO : Journal of Management & Business LDA-Topic Modeling: Menggunakan Ulasan Pengguna Untuk Meningkatkan User Experience (Studi pada PeduliLindungi). SEIKO : Journal of Management & Business, 6(1), 943–953. https://doi.org/10.37531/sejaman.v6i1.3802