Topic Modeling Pada Abstrak Skripsi Menggunakan Metode Latent Semantic Analysis

Format : Jurnal Ilmiah Teknik Informatika Pub Date : 2022-02-09 DOI:10.22441/10.22441/format.2022.v11.i1.009

R. Hakim, Khalid Khalid, Dwi Rolliawati

{"title":"Topic Modeling Pada Abstrak Skripsi Menggunakan Metode Latent Semantic Analysis","authors":"R. Hakim, Khalid Khalid, Dwi Rolliawati","doi":"10.22441/10.22441/format.2022.v11.i1.009","DOIUrl":null,"url":null,"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%","PeriodicalId":381291,"journal":{"name":"Format : Jurnal Ilmiah Teknik Informatika","volume":"120 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-02-09","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Format : Jurnal Ilmiah Teknik Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22441/10.22441/format.2022.v11.i1.009","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 0

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%

查看原文

微信好友朋友圈 QQ好友复制链接

本刊更多论文

摘要——论文是第一阶段学生的最终研究。开处方的文件越多，就会从这些文件中产生更多的信息。本研究旨在确定2014年至2019年英因萨文学研究项目论文摘要的主题建构和趋势分析。论文的720个摘要集是用潜在的语义分析方法对主题进行建模，其中包括预处理器、破坏term和假设值解构计算。话题产生20 17语言学和文学主题主题建模。然后在主题趋势分析中，获得了每种研究的7种主题趋势。该研究主要由包括社会语言学在内的语言语言学研究所主导。根据分析的结果研究类型与英国真正的研究类型文学研究项目的数据相比UINSA语言学研究,分析结果具有80%的精准度和召回数量90%,而研究文学具有74%的精准度和召回57%,精确度平均研究类型有79%的分析

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文去求助

来源期刊

Format : Jurnal Ilmiah Teknik Informatika

自引率

0.00%

发文量