Pengelompokan Topik Skripsi pada Fakultas Saintek Universitas Jember dengan Metode Hierarchical Agglomerative Clustering Menggunakan Pengukuran Jarak Average Linkage

Abstract

Penelitian bermanfaat untuk mendefinisikan dan menyelesaikan masalah, mengamati dan menginterpretasikan fakta, merumuskan hipotesis, melakukan uji coba, merevisi teori, dan menerapkan hasil penelitian. Bagi mahasiswa akhir, penelitian adalah syarat penting untuk mendapatkan gelar sarjana melalui penyusunan skripsi. Dokumen skripsi disimpan dalam database universitas dan diakses melalui repository, yang mempublikasikan karya tulis dan menyediakan referensi untuk penelitian mendatang. Namun, repository Universitas Jember hanya mengelompokkan skripsi berdasarkan fakultas, bukan topik, sehingga menyulitkan mahasiswa dalam memilih topik skripsi. Oleh karena itu, penelitian ini bertujuan mengelompokkan data skripsi berdasarkan topik Pada Fakultas Saintek di Universitas Jember, menggunakan data dari Repository Universitas. Pengelompokkan menggunakan algoritma Hierarchical Agglomerative Clustering (HAC) dengan average linkage dipilih karena efektif mengelompokkan data teks tanpa menentukan jumlah cluster terlebih dahulu dan menghasilkan dendrogram yang mudah dipahami. Average linkage menghitung jarak berdasarkan rata-rata jarak antar individu dalam cluster, lebih stabil dibanding complete dan single linkage. Validitas cluster diuji dengan koefisien korelasi cophenetic, dan evaluasi cluster menggunakan silhouette coefficient serta dunn index untuk menentukan jumlah cluster terbaik. Setelah terbentuk, topik-topik dalam cluster diidentifikasi menggunakan Latent Dirichlet Allocation (LDA). Pada tahapannya dimulai dengan pengambilan dokumen scraping data pada tiap fakultas terlebih dahulu. Fakultas tersebut terdiri dari Fakultas Ilmu Komputer yang terdiri dari 799 dokumen, Kedokteran Gigi 1958 dokumen, Farmasi 1379 dokumen, Pertanian 3850 dokumen, Teknologi Pertanian 2502 dokumen, Kedokteran 1385 dokumen, Kesehatan Masyarakat 2104 dokumen, Teknik 3679 dokumen, Keperawatan 1421 dokumen, serta Matematika dan Ilmu Pengetahuan Alam 3158 dokumen. Kemudian dokumen tersebut melewati tahap data selection berupa kelengkapan judul dan abstrak, duplikasi, batasan tanggal, seleksi NIM, dan juga panjang abstrak. Setelah itu dokumen tersebut dilakukan tahapan text preprocessing yang akan memproses kata dalam dokumen agar lebih mudah dipahami oleh komputer. Dokumen yang telah dilakukan text preprocessing kemudian diberikan bobot nilai menggunakan TF – IDF. Setelah itu akan menghasilkan kolom dalam jumlah ribuan yang kemudian akan dikurangi menggunakan UMAP agar kolom menjadi 2 saja. Setelah itu, dilakukannya tahapan clustering menggunakan Hierarchical Agglomerative Clustering menggunakan Average Linkage sebagai metrik dan Euclidean Distance sebagai metode pengukuran jarak. Setelah itu dilakukan klasterisasi menggunakan Hierarchical Agglomerative Clustering yang akan menghasilkan dendrogram untuk kemudian hasil klasterisasi tersebut dievaluasi sehingga menghasilkan jumlah cluster paling optimal menggunakan 2 evaluasi, yakni silhouette coefficient dan juga dunn index. Kemudian, hasil tiap cluster pada masing – masing fakultas tersebut akan ditentukan topik yang muncul menggunakan Wordcloud dan melihat kata yang sering muncul. Dari tahapan tersebut, ditemukan cluster optimal pada Fakultas Ilmu Komputer 6 cluster, Keperawatan 6 cluster, Farmasi 6 cluster, Teknologi Pertanian 10 cluster, Pertanian 4 cluster, Kedokteran Gigi 5 cluster, Kedokteran 9 cluster, Kesehatan Masyarakat 9 cluster, serta Teknik pada Prodi Mesin 10 cluster, Sipil 10 cluster, Elektro 10 cluster, PWK 6 cluster, Pertambangan 4 cluster, Lingkungan 2 cluster, Konstruksi Kapal 6 cluster, dan MIPA pada Matematika 2 cluster, Fisika 10 cluster, Biologi 10 cluster, Kimia 10 cluster, Pendidikan Matematika 2 cluster, Pendidikan Fisika 9 cluster.