Penerapan metode Latent Dirichlet Allocation pada penentuan topik berita
Author (Penulis)
DIMAS ARYANTO SAPUTROUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.02.0087Abstract
Dengan cara manual pemilihan berita memerlukan banyak waktu untuk memeriksa semua berita yang ada.
Berdasarkan pernyataan di atas akan dilakukan proses Implementasi Metode Latent Dirichlet Allocation Untuk Menentukan Topik Teks Berita. Dari proses Latent Dirichlet Allocation akan diperoleh dokumen dengan topik yang memiliki bobot.
Dengan perhitungan pada sistem yang menggunakan metode latent dirichlet allocation, maka dihasilkan urutan rekomendasi berita yang dijadikan berita utama berdasarkan bobotnya. Pada Sistem ini dari 4 percobaan dengan dokumen yang sama menghasilkan bobot yang berbeda namun mempunyai nilai yang konsisten pada dokumen ke-5 dengan menghasilkan bobot 15.1032, 14.0063, 14.8223 dan 14.8223, dan bobot tersebut lebih besar dibandingkan dengan dokumen lainnya
Keyword
aReference
DAFTAR PUSTAKA
[1] Berry, M.W. 2010. Text Mining Application and Theory. WILEY : United Kingdom
[2] Daniel,S.2014.Multi-Document Summarization Based On Sentence Clustering Improved Using Topic Words. JUTI: Jurnal Ilmiah Teknologi Informasi - Volume 12, Number 2, July 2014.
[3] Dragut, E. 2009. Stop Word and Related Problems in Web Interface Integration.
[4] Fadillah, Z. 2003. A Study of Stemming Efects on Information Retrieval in Bahasa Indonesia. Institude for Logic, Language and Computation Universiteit van Amsterdam The Netherland.
[5] Feldman,R. 2007. The Text Mining Handbook : Advance Approaches in Analyzing Unstructured Data. Cambridge University Press : New York.
[6] Kadir, Abdul. 2008. Tuntunan Praktis: Belajar Database Menggunakan MySQL.
[7] Mustaqhfiri, M. 2014. Peringkasan teks otomatis berita berbahasa indonesia menggunakan metode maximum marginal relevance Jurusan Teknik Informatika, Fakultas Sains dan Teknologi Universitas Islam Negeri Maulana Malik Ibrahim Malang.
[8] Nugroho, Bunafit. 2005. Database Relasional dengan MySQL. Yogyakarta: Andi.
[9] Peranginangin, Kasiman. 2006. Aplikasi WEB dengan PHP dan MySQL. Yogyakarta: Andi.
[10] Prihatini. M.N. 2017. Metode Latent Dirichlet Allocation untuk ekstraksi Topik dokumen. Politeknik Negeri Bali
[11] Sidik, Betha. 2014. Pemrograman Web dengan PHP. Bandung: Informatika.
[12] Sukamto, Rosa A., Salahuddin, M. 2016. Rekayasa Perangkat Lunak Terstruktur Dan Berorientasi Objek. Bandung: Informatika.
[13] Weiss, S.M. 2005. Text Mining : Predictive Methods fo Analyzing Unstructered Information. Springer : New York.
[14] Zulhanif. 2016. Pemodelan topik dengan Latent Dirichlet Allocation. Departemen Staistika FMIPA UNPAD
[15] Fitriyadi, K, Sutikno. 2016. Pengenalan Jenis Golongan Darah Menggunakan Jaringan Syaraf Tiruan Perceptron, Jurnal Masyarakat Informatika, Vol 7, No 1, hh 700-710
[16] Sunarya, I M G. 2013. Sistem Biometrika Tandatangan MEnggunakan Jaringan Syaraf Tiruan Model Perceptron, Jurnal Masyarakat Informatika, Vol 7, No 1, hh 1-10.
