Text

SKRIPSI SEGMENTASI JUDUL SKRIPSI BERBASIS NLP UNTUK ANALISIS PENGELOMPOKAN TOPIK PENELITIAN (STUDI KASUS: TEKNIK ELEKTRO UNIVERSITAS TIDAR

---

Pemilihan topik skripsi merupakan faktor penting yang memengaruhi arah dan fokus penelitian, namun keberagaman dan kemiripan topik sering menimbulkan kesulitan dalam pemetaan dan evaluasi tema penelitian. Penelitian ini bertujuan untuk mengembangkan metode segmentasi judul skripsi berbasis Natural Language Processing (NLP) yang terintegrasi dengan algoritma K-Means untuk mengelompokkan tema penelitian mahasiswa Program Studi Teknik Elektro Universitas Tidar secara sistematis. Data penelitian berupa 395 judul skripsi yang diproses melalui pra-pemrosesan teks, ekstraksi fitur menggunakan TF-IDF, reduksi dimensi dengan UMAP, dan klasterisasi K-Means dengan jumlah klaster optimal k = 4. Hasil menunjukkan terbentuk empat klaster utama dengan tema berbeda: Internet of Things (IoT) dan Kecerdasan Buatan, Sistem Tenaga Listrik dan Proteksi, Energi Terbarukan dan Optimasi Pembangkit, serta Perencanaan Instalasi dan Audit Energi pada Bangunan. Evaluasi internal menghasilkan Silhouette Score 0,5069 dan Davies-Bouldin Index 0,6770, sedangkan validasi pakar menunjukkan kesesuaian 90,9%, yang mengindikasikan klasterisasi stabil, representatif, dan relevan. Temuan ini memberikan gambaran distribusi dan kejenuhan topik penelitian secara objektif, sehingga dapat dimanfaatkan sebagai dasar pemetaan arah penelitian dan pengambilan keputusan akademik.

---

Ketersediaan

Informasi Detail

Judul Seri

-

No. Panggil

ELEKTRO PRA S 2026

Penerbit

MAGELANG : UNIVERSITAS TIDAR., 2026

Deskripsi Fisik

XVII;82 HLM;29 CM

Bahasa

Indonesia

ISBN/ISSN

-

Klasifikasi

621.38

Tipe Isi

-

Tipe Media

-

Tipe Pembawa

-

Edisi

-

Subjek

PRODI_S1_TEKNIK_ELEKTRO
FAKULTAS_FT

Info Detail Spesifik

-

Pernyataan Tanggungjawab

-

Versi lain/terkait

Lampiran Berkas

Komentar

---

Anda harus masuk sebelum memberikan komentar