ANALISIS TREN PENELITIAN BIDANG ILMU KOMPUTER DENGAN METODE BERTOPIC DAN LDA

Nursyahrina, Nursyahrina (2024) ANALISIS TREN PENELITIAN BIDANG ILMU KOMPUTER DENGAN METODE BERTOPIC DAN LDA. Masters thesis, Universitas Putra Indonesia YPTK Padang.

	Text Tesis_222321015_NURSYAHRINA_Abstrak.pdf Download (12kB)
	Text Tesis_222321015_NURSYAHRINA_BAB I.pdf Download (100kB)
	Text Tesis_222321015_NURSYAHRINA_Daftar Pustaka.pdf Download (143kB)
	Text Tesis_222321015_NURSYAHRINA_Full Text.pdf Restricted to Repository staff only Download (19MB)

Abstract

Text mining, sebagai bagian dari Knowledge Discovery in Databases, berperan penting dalam ekstraksi informasi dari data tidak terstruktur, khususnya teks. Salah satu teknik utamanya, topic modeling, digunakan untuk mengidentifikasi struktur topik dalam koleksi teks berjumlah besar. Teknik ini sangat relevan untuk menganalisis tren topik penelitian, termasuk di bidang Ilmu Komputer yang berkembang pesat dengan jumlah publikasi meningkat signifikan dalam beberapa tahun terakhir. Penelitian ini bertujuan untuk menganalisis topik dan tren penelitian di bidang Ilmu Komputer dengan menggunakan dua metode topic modeling, yaitu Latent Dirichlet Allocation (LDA) dan BERTopic. Data yang digunakan terdiri dari 4.892 metadata artikel penelitian dari situs Emerald Insight untuk periode 2019-2023. Metode BERTopic berbasis embedding menghasilkan coherence score tertinggi sebesar 0,49 dengan kombinasi TruncatedSVD-KMeans yang mengidentifikasi 13 topik, sementara LDA dengan teknik Bag-of-Words menghasilkan coherence score tertinggi sebesar 0,42 dengan 11 topik. BERTopic unggul dalam menghasilkan topik yang lebih koheren dan relevan, berkat kemampuannya mempertahankan konteks semantik antar kata. Namun, LDA menunjukkan keunggulan dalam akurasi prediksi pada perangkat dengan sumber daya terbatas, dengan akurasi 100% dibandingkan dengan 82,17% pada BERTopic. Temuan ini menyoroti trade-off antara kualitas representasi topik dan akurasi prediksi. Analisis tren penelitian Ilmu Komputer periode 2019-2023 menunjukkan pergeseran dari topik konvensional seperti manajemen proyek ke teknologi mutakhir seperti blockchain, IoT, dan kecerdasan buatan, dipengaruhi oleh kemajuan teknologi, kebutuhan industri, dan peristiwa global seperti pandemi COVID-19. Beberapa topik menunjukkan pertumbuhan yang konsisten, sementara yang lain mengalami fluktuasi minat dari tahun ke tahun. Penelitian ini memberikan kontribusi penting dalam memahami perkembangan tren penelitian di bidang Ilmu Komputer dan dapat menjadi acuan dalam perencanaan penelitian di masa depan, serta menyoroti kekuatan dan keterbatasan dari dua metode topic modeling yang berbeda dalam konteks analisis tren penelitian. Kata Kunci: Text Mining, LDA, BERTopic, Tren Penelitian, Ilmu Komputer

Actions (login required)

View Item