Topic modelling dokumen skripsi menggunakan metode latent semantic analysis
Teks penuh
Gambar
Garis besar
Dokumen terkait
Dalam percobaan yang dilakukan diawali dengan mengukur tingkat akurasi clustering dari original K-Means dimana proses clustering tanpa menggunakan metode pengurangan fitur /
Proses pengindeksan yang dilakukan dalam pengujian sistem memakan waktu yang relatif lama yaitu 135 menit 32 detik untuk jumlah dokumen sebanyak 40 dengan rata- rata jumlah
Pada penelitian ini dilakukan penggabungan metode Latent semantic analysis (LSA) dan Metode Maximum marginal relevance (MMR) untuk proses peringkasan
Proses pengindeksan yang dilakukan dalam pengujian sistem memakan waktu yang relatif lama yaitu 135 menit 32 detik untuk jumlah dokumen sebanyak 40 dengan ratarata jumlah kata
LDA dapat digunakan untuk meringkas, melakukan klasterisasi, menghubungkan maupun memproses data yang sangat besar karena LDA menghasilkan daftar topik yang diberi bobot
Dokumen abstrak yang dipergunakan dalam perhitungan dengan metode Rocchio ini berasal dari abstrak dokumen tugas akhir mahasiswa Jurusan Teknologi Informasi tahun 2015-2016
Pengolahan data pada penelitian ini dilakukan dengan preprocessing menggunakan metode Latent Dirichlet Allocation (LDA). Tujuan dari metode ini adalah untuk
Tujuan dari tugas akhir pada tugas akhir ini adalah sistem pencarian untuk mendapatkan informasi yang relevan dalam merepresentasikan hubungan antar kata dan dokumen
