IMPLEMENTASI K-MEANS CLUSTERING PADA HASIL TOPIC MODELING MENGGUNAKAN LATENT DIRICHLET ALLOCATION PADA PUBLIKASI ILMIAH DOSEN BIDANG KOMPUTER UNIVERSITAS NEGERI JAKARTA

MADA REKADARMA SEPTIANDA, . (2025) IMPLEMENTASI K-MEANS CLUSTERING PADA HASIL TOPIC MODELING MENGGUNAKAN LATENT DIRICHLET ALLOCATION PADA PUBLIKASI ILMIAH DOSEN BIDANG KOMPUTER UNIVERSITAS NEGERI JAKARTA. Sarjana thesis, UNIVERSITAS NEGERI JAKARTA.

	Text COVER.pdf Download (729kB)
	Text BAB 1.pdf Download (292kB)
	Text BAB 2.pdf Restricted to Registered users only Download (768kB) | Request a copy
	Text BAB 3.pdf Restricted to Registered users only Download (467kB) | Request a copy
	Text BAB 4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text BAB 5.pdf Restricted to Registered users only Download (300kB) | Request a copy
	Text DAFTAR PUSTAKA.pdf Download (257kB)
	Text LAMPIRAN.pdf Restricted to Registered users only Download (1MB) | Request a copy

Abstract

Publikasi Ilmiah Dosen memiliki peran penting dalam kontribusi di dunia pendidikan perguruan tinggi. Universitas Negeri Jakarta, sebagai salah satu lembaga pendidikan perguruan tinggi di Indonesia, berupaya meningkatkan kualitas penelitian dan publikasi ilmiah yang akan diterbitkan dalam kategori Internasional yakni scopus. Program Studi bidang komputer di Universitas Negeri Jakarta memiliki banyak publikasi ilmiah yang berkualitas dan sudah terindeks scopus. Namun, banyaknya publikasi ilmiah yang diterbitkan para dosen tidak teridentifikasi secara spesifik tema maupun subdisiplin yang sesuai dengan bidang program studinya memunculkan kompleksitas dalam mengidentifikasi hal tersebut. Oleh karena itu, tujuan penelitian ini adalah menentukan kecenderungan subdisiplin dari publikasi ilmiah dosen bidang komputer di Universitas Negeri Jakarta dengan mengidentifikasi secara menyeluruh dilakukan implementasi pembentukan klaster dengan K-Means dari hasil pengelompokkan tema yang dijadikan topic menggunakan metode Latent Dirichlet Allocation. Pengelompokkan dengan klaster menghasilkan pembagian klaster yang optimal dengan jumlah 10 klaster setiap program studinya, dengan nilai Davies Bouldin Indeks mendekati 0,5 dan Silhouette Coefficient melebihi 0,6. Hasil Evaluasi menggunakan kedua algoritma menunjukkan hasil yang konsisten dan baik sehingga, mampu memunculkan klaster yang berisikan kecenderungan topic dari masing – masing publikasi ilmiah dosen pada tiga program studi bidang komputer di Universitas Negeri Jakarta, berdasarkan ACM Curriculla Tahun 2005, menunjukkan bahwa Program Studi Pendidikan Teknik Informatika dan Komputer memiliki kecenderungan publikasi ilmiah pada bidang Information System (IS), Program Studi Ilmu Komputer memiliki kecenderungan publikasi ilmiah pada bidang Computer Science (CS), dan Program Studi Sistem Teknologi dan Informasi memiliki kecenderungan publikasi ilmiah pada bidang Computer Engineering (CE). Kecenderungan tersebut bisa dikategorikan berdasarkan terms yang memiliki kecenderungan ke masing – masing bidang yang terdapat pada ACM Curriculla Tahun 2005.*****Lecturer Scientific Publications have an important role in contributing to the world of higher education. Jakarta State University, as one of the higher education institutions in Indonesia, seeks to improve the quality of scientific research and publications that will be published in the International category, namely Scopus. The Computer Study Program at the State University of Jakarta has many quality scientific publications and has been indexed by Scopus. However, the large number of scientific publications published by lecturers who do not identify specific themes or subdisciplines that are in accordance with the field of their study program raises complexity in identifying them. Therefore, the purpose of this study is to determine the subdisciplinary tendency of scientific publications of lecturers in the field of computer at the State University of Jakarta by thoroughly identifying the implementation of cluster formation with K-Means from the results of the grouping of themes that are used as topics using the Latent Dirichlet Allocation method. Grouping by cluster results in an optimal cluster division with 10 clusters in each study program, with the Davies Bouldin Index value close to 0.5 and the Silhouette Coefficient exceeding 0.6. The results of the evaluation using both algorithms show consistent and good results so that they are able to produce clusters that contain topic trends from scientific publications in three computer science study programs at the State University of Jakarta, based on the ACM Curriculla in 2005, show that the Informatics and Computer Engineering Education Study Program has a tendency to scientific publications in the fields of Information System (IS), the Computer Science Study Program has a tendency to scientific publications in the fields of Computer Science (CS), and the Technology and Information Systems Study Program has a tendency to publish scientific publications in the field of Computer Engineering (CE). These tendencies can be categorized based on terms that have a tendency to each field contained in the ACM Curriculla in 2005.

Item Type:	Thesis (Sarjana)
Additional Information:	1). Dr. Widodo, S.Kom., M.Kom 2). Murien Nugraheni, S.T., M.Cs
Subjects:	Sains > Matematika > Ilmu Komputer
Divisions:	FT > S1 Pendidikan Teknik Informatika Komputer
Depositing User:	Mada Rekadarma Septianda .
Date Deposited:	21 Jul 2025 04:08
Last Modified:	21 Jul 2025 04:08
URI:	http://repository.unj.ac.id/id/eprint/56633

Actions (login required)

View Item