Ekstraksi Topik Pada Aduan Mahasiswa Dengan Pendeketan Model Latent Dirichlet Allocation (LDA)

Abstract

Aduan mahasiswa perlu dikelola dan dianalisa dengan baik dan dijadikan sebagai sumber informasi yang berharga bagi perguruan tinggi dalam mengembangkan sistem pendidikan yang lebih baik dan memenuhi harapan mahasiswa. Dalam mengelola aduan mahasiswa perguruan tinggi kerap mengalami kendala seperti tidak memiliki cukup sumber daya untuk mengumpulkan, menyimpan, dan menganalisis semua aduan mahasiswa dengan efektif. Pada pelitian ini menerapkan model Latent Dirichlet Allocation (LDA) yang bertujuan untuk ekstraksi topik aduan yang masuk berdasarkan kata-kata kunci yang terdapat dalam aduan mahasiswa. Dengan demikian, diharapkan dapat mempermudah proses pengelolaan aduan mahasiswa, sehingga masalah yang dihadapi oleh mahasiswa dapat diselesaikan dengan lebih cepat dan tepat. Data aduan mahasiswa akan dikumpulkan dari sistem pengelolaan aduan mahasiswa yang sudah ada. Selanjutnya, data tersebut akan diolah dengan menggunakan teknik model LDA untuk mengidentifikasi topik aduan yang masuk. Pengujian terhadap ekstraksi empat topik pada model LDA mendapat nilai perplexity sebesar -6.8026282, hal ini menujukan model LDA memiliki perplexity yang rendah dan menunjukkan kinerja yang baik.  Uji koherensi dengan menggunakan metode u_mass perubahan nilai yang mengecil seiring dengan peningkatan jumlah topik menunjukkan adanya perubahan koherensi topik dalam model LDA, dapat disimpulkan pada dataset dan model LDA yang dibangun pada penelitian ini semakin tinggi jumlah topik maka performa pembentukan topik menjadi lebih buruk. Untuk mendapatkan jumlah topik yang ideal perlu dilakukan beberapa penyesuaian jumlah topik, dataset dan pengujian kohorensi dengan metode lain