Pengelompokan Topik Artikel Jurnal SI/TI Menggunakan Metode LDA Dan K-Means Clustering

Kellin, Kellin (2025) Pengelompokan Topik Artikel Jurnal SI/TI Menggunakan Metode LDA Dan K-Means Clustering. Skripsi thesis, Universitas Tanjungpura.

	Text (Cover-Bab I) Cover-Bab1_H1101211031.pdf - Published Version Download (598kB)
	Text (H1101211031_KELLIN) H1101211031_KELLIN.pdf - Accepted Version Restricted to Repository staff only Download (5MB)

Abstract

Transformasi digital telah meningkatkan jumlah publikasi artikel ilmiah di bidang Sistem Informasi dan Teknologi Informasi (SI/TI), yang membuat akademisi kesulitan dalam mengidentifikasi tren topik terkini. Penelitian ini bertujuan untuk memetakan dan mengelompokkan topik artikel jurnal SI/TI berbahasa Indonesia yang dipublikasikan pada tahun 2024 dan terindeks SINTA. Data yang digunakan berupa judul dan abstrak artikel dari jurnal SINTA 1-6. Metode yang digunakan adalah Latent Dirichlet Allocation (LDA) untuk pemodelan topik dan K-Means Clustering untuk pengelompokan dokumen. Setelah melalui tahap preprocessing dan representasi teks menggunakan Bag of Words, diperoleh coherence tertinggi sebesar 0.5494, sehingga model LDA optimal dengan 11 topik ( = 0,11; B = 0,81). Hasil visualisasi menunjukkan bahwa topik dominan berkaitan dengan pengembangan sistem dan aplikasi. Klasterisasi dengan K-Means menghasilkan dua kelompok utama, yaitu tema pengolahan data dan tema pengembangan sistem. Evaluasi dengan silhouette score sebesar 0.4168 menunjukkan bahwa pemisahan antar-klaster masih lemah, karena berada di antara rentang 0.25-0.5. Penelitian ini memberikan kontribusi dalam memahami distribusi topik artikel SI/TI, yang dapat dijadikan acuan dalam penentuan arah penelitian ke depan.

Actions (login required)

View Item