IMPLEMENTASI METODE LATENT DIRICHLET ALLOCATION UNTUK MENENTUKAN TOPIK TUGAS AKHIR

SAPUTRA, ALFREDO JULIAN (2022) IMPLEMENTASI METODE LATENT DIRICHLET ALLOCATION UNTUK MENENTUKAN TOPIK TUGAS AKHIR. S1 thesis, Universitas Mercu Buana Jakarta.

Preview	Text (HAL COVER) 01 Cover.pdf Download (609kB) | Preview
Preview	Text (ABSTRAK) 02 Abstrak.pdf Download (64kB) | Preview
	Text (BAB I) 03 Bab 1.pdf Restricted to Registered users only Download (152kB)
	Text (BAB II) 04 Bab 2.pdf Restricted to Registered users only Download (166kB)
	Text (BAB III) 05 Bab 3.pdf Restricted to Registered users only Download (44kB)
	Text (BAB IV) 06 Bab 4.pdf Restricted to Registered users only Download (51kB)
	Text (BAB V) 07 Bab 5.pdf Restricted to Registered users only Download (630kB)
	Text (BAB VI) 08 Bab 6.pdf Restricted to Registered users only Download (294kB)
	Text (DAFTAR PUSTAKA) 09 Daftar Pustaka.pdf Restricted to Registered users only Download (157kB)
	Text (LAMPIRAN) 10 Lampiran.pdf Restricted to Registered users only Download (102kB)

Abstract

At the end of bachelor’s degree college, every undergraduate and applied bachelor’s student will be asked to create a Final Project which results in a scientific research journal as a graduation requirement. Determining Final Project’s topic is not easy; despite the undergraduate need to choose an interesting and good quality topic, they must consider the topic’s recency. Journals and article review is a mandatory step but quite time-consuming, considering that so many journal references must be reviewed before deciding on a topic. Data science provide a topic modeling method that will help undergraduate save time in picking a case for their Final Research. This study will utilize a popular topic modeling method, Latent Dirichlet Allocation. The highest coherence value will determine the number of topics chosen. Collected topics will be grouped to produce a list of the latest issues for the Final Project. Key words: Latent Dirichlet Allocation, LDA, Topic Modeling, Journal Setiap mahasiswa program sarjana dan program sarjana terapan pada akhir kuliah akan diminta menyusun Tugas Akhir yang hasilnya berupa jurnal penelitian karya ilmiah sebagai syarat kelulusan. Menentukan topik Tugas Akhir bukan sesuatu yang mudah, selain harus menentukan topik yang menarik dan berbobot, keterkinian topik juga menjadi salah satu faktor penting dalam menentukan topik untuk Tugas Akhir. Membaca jurnal sebagai reverensi merupakan langkah wajib namun menghabiskan banyak waktu mengingat begitu banyak reverensi jurnal yang harus dibaca sebelum menentukan topik terkini untuk dikaji. Dalam data science ada sebuah metode pemodelan topik yang mana akan membantu mempersingkat waktu dalam mencari topik terkini Tugas Akhir. Penelitian ini menggunakan metode pemodelan topik yang popular dikembangkan yaitu dengan Latent Dirichlet Allocation (LDA). Data yang digunakan berupa jurnal yang sudah terakreditasi. Penentuan jumlah topik diambil dari nilai koherensi yang paling tinggi. Topik yang telah terkumpul selanjutnya dikelompokkan untuk menghasilkan topik terkini Tugas Akhir. Kata kunci: Latent Dirichlet Allocation, LDA, Pemodelan Topik, Jurnal

Actions (login required)

View Item