Implementasi DBSCAN dan Latent Dirichlet Allocation pada Pemodelan Topik Skripsi di Fakultas Ilmu Komputer Universitas Jember

Abstract

Penelitian merupakan jembatan awal dalam menciptakan sebuah penemuan dan inovasi yang menjadi salah satu capaian dalam Tri Dharma Perguruan Tinggi, dalam bentuk skripsi, yang wajib diselesaikan oleh seorang mahasiswa sebelum menyelesaikan pendidikan tingginya. Dokumen skripsi yang telah diselesaikan akan ditampilkan melalui repository khusus milik universitas. Tujuan repository sebagai wadah publikasi dan referensi bagi penelitian berikutnya akan bekerja secara maksimal melalui pengelompokan topik dokumen skripsi yang dapat mempermudah serta menghemat waktu pengguna dalam memahami dokumen yang sesuai dalam penelitian serta variasi topik skripsi yang ada. Pengelompokan dokumen dapat dilakukan menggunakan DBSCAN yang dapat mengatasi noise dengan baik dan mampu membangun daerah pengelompokan berdasarkan density (kepadatan) dengan memanfaatkan nilai epsilon dan minimal points (MinPts). Hasil pengelompokan kemudian dapat diekstrak topiknya menggunakan Latent Dirichlet Allocation. Melalui pengelompokan dan ekstraksi topik dari gabungan judul dan abstrak pada dokumen skripsi akan ditemukan nilai MinPts dan epsilon terbaik dalam implementasi DBSCAN, performa Latent Dirichlet Allocation dan DBSCAN dalam pemodelan topik skripsi di Fakultas Ilmu Komputer Universitas Jember, serta variasi topik skripsi yang ditemukan pada hasil pengelompokan dokumen skripsi. Penelitian dimulai dengan pengambilan dokumen pada halaman repository menggunakan web scraping dan didapatkan 560 data. Data ini kemudian diseleksi berdasarkan beberapa kriteria hingga bersisa 465 data yang memenuhi persyaratan penelitian. Data yang sudah diseleksi kemudian dibersihkan dari komponen yang tidak perlu dan dibobotkan menggunakan TFDIGITAL IDF. Hasil pembobotan kemudian diclusterkan dengan enam percobaan, yakni percobaan berdasarkan skenario, perbaikan nilai epsilon, memahami kualitas data, penyeleksian fitur, pembobotan menggunakan persentase, dan perbandingan hasil dengan jurnal terindeks. Dari keenam percobaan, hasil terbaik didapatkan pada percobaan keempat dengan penyeleksian data dari kata berpersentase rendah. Cluster terbaik terbentuk pada epsilon 0.6 dengan minimal point sebesar 2 yang menghasilkan 81 cluster dengan 143 noise. Nilai Silhouette Score yang dihasilkan sebesar 0.0947228 dengan Dunn Index sebesar 0.5952226, dan rata-rata Coherence Score sebesar 0.3850437926. Pencocokan pemodelan topik terhadap topik skripsi yang ada di Fakultas Ilmu Komputer Universitas Jember menunjukkan hanya 19 dari 40 topik yang telah diambil sebagai topik skripsi dengan peminat terbesar ada pada topik Machine Learning dengan 162 dokumen, IT/IS Evaluation dengan 40 dokumen, dan Software Construction dengan 27 dokumen.