<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">

Latent Dirichlet Allocation Untuk Pemodelan Topik Abstrak Dokumen Skripsi

dc.contributor.authorAnggraini, Ella
dc.date.accessioned2020-08-31T03:37:48Z
dc.date.available2020-08-31T03:37:48Z
dc.date.issued2020-04-03
dc.description.abstractSkripsi atau tugas akhir merupakan salah satu syarat sebuah kelulusan dalam setiap universitas dalam bentuk penelitian sesuai dengan jurusan masing-masing, tentunya dalam penyusunan skripsi harus menggunakan topik dan metode yang belum pernah digunakan sebelumnya. Sehingga semakin lama, topik dan metode yang diambil semakin bervariasi dan mengikuti perkembangan. Di Universitas Islam Indonesia terdapat web yang berisi dokumen skripsi yaitu https://dspace.uii.ac.id/. Dengan begitu semakin bertambahnya tahun maka semakin banyak pula dokumen skripsi dengan metode dan topik yang beragam, salah satunya yang berada di Prodi Statistika UII. Dengan semakin banyak dokumen skripsi yang ada sehingga penulis melakukan analisis Topic Modeling menggunakan metode Latent Dirichlet Allocation (LDA) dari abstak dokumen skripsi mahasiswa Statistika UII. Dengan analisis Topic Modeling yang digunakan untuk mengetahui topik apa saja yang sering muncul. Diperoleh jumlah topiknya sebanyak 3 yaitu topik ke-1 mengenai Artificial Intelligence (AI), topik ke-2 mengenai Statistika pada Bidang Kesehatan, dan topik ke-3 mengenai Statistika Perekonomian.en_US
dc.identifier.urihttp://hdl.handle.net/123456789/23556
dc.publisherUniversitas Islam Indonesiaen_US
dc.subjectAbstrak Skripsien_US
dc.subjectTopic Modelingen_US
dc.subjectLatent Dirichlet Allocationen_US
dc.titleLatent Dirichlet Allocation Untuk Pemodelan Topik Abstrak Dokumen Skripsien_US
dc.typeThesisen_US

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
16611033.pdf
Size:
2.34 MB
Format:
Adobe Portable Document Format
Description:

License bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections