Studi Perbandingan Metode LDA dan Hierarchical LDA Untuk Pencarian Lokasi Fitur Pada Sistem Perangkat Lunak: Studi Kasus Aplikasi Ujian Sekolah Jatim

Hilmy, Aflah (2023) Studi Perbandingan Metode LDA dan Hierarchical LDA Untuk Pencarian Lokasi Fitur Pada Sistem Perangkat Lunak: Studi Kasus Aplikasi Ujian Sekolah Jatim. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111940000177-Undergraduate_Thesis.pdf Restricted to Repository staff only until 3 October 2025. Download (3MB) | Request a copy

Abstract

Pencarian lokasi fitur merupakan salah satu proses yang sering dilakukan pada proses pengembangan atau pemeliharaan perangkat lunak untuk mencari fungsi tertentu dari sistem perangkat lunak. Untuk membantu proses tersebut, diusulkan penggunaan metode Latent Dirichlet Allocation (LDA) yang merupakan salah satu metode Machine Learning. LDA adalah teknik pemodelan topik yang digunakan untuk sekumpulan data diskrit dengan memodelkan dokumen dalam korpus sebagai campuran dari berbagai topik. Metode ini digunakan karena dapat mengklusterkan, menghubungkan, meringkas, dan memproses data yang berukuran besar. Penelitian ini akan melakukan studi perbandingan antara metode LDA dan Hierarchical LDA (hLDA), yang merupakan varian dari LDA. Pada metode hLDA, topik yang ditemukan antara sekumpulan artikel disusun dalam sebuah tree secara hierarkis. Studi kasus yang dipilih adalah Aplikasi Ujian Sekolah Jatim versi 2022 karena kompleksitas kode sumber yang dimiliki cukup besar. Pada penelitian ini akan dilakukan tahapan preprocessing data, implementasi metode LDA dan hLDA untuk pencarian lokasi fitur, evaluasi hasil dengan menggunakan F1 Score. Hasil akhir dari penelitian ini berupa perbandingan hasil evaluasi antara kedua metode dan kesimpulan dari perbandingan nilai tersebut. Hasil evaluasi menunjukkan bahwa metode hLDA lebih baik dalam pencarian lokasi fitur pada studi kasus aplikasi Ujian Sekolah Jatim dengan rata-rata nilai F1 score sebesar 0,267.
==============================================================================================================================
Feature location is one of the processes that is frequently done on software development or maintenance to find certain functions on the system. To assist this process, it is proposed to use the Latent Dirichlet Allocation (LDA) method, which is one of the Machine Learning methods. LDA is a topic modeling technique used for discrete data sets by modeling documents in a corpus as a mix of topics. This method is used because it can cluster, connect, summarize, and process large data. This research will conduct a comparative study between LDA method and Hierarchical LDA (hLDA), which is a variant of LDA. In the hLDA method, the topics found among a set of articles are arranged in a hierarchical tree. The case study for this research is the East Java School Examination Application with version 2022 because the complexity of the source code is quite large. This research will have several steps, such as data preprocessing, LDA and hLDA implementation for feature locations, evaluating results using F1 Score Method. The end result of this research is a comparison of the evaluation results between the two methods and the conclusion from the comparison. The evaluation results show that the hLDA method is better at finding feature locations in the East Java School Examination Application with an average F1 score of 0,267.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	F1 Score, hLDA, LDA, Lokasi Fitur, Machine Learning, Pemodelan Topik, F1 Score, Feature Location, hLDA, LDA, Machine Learning, Topic Modelling
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Aflah Hilmy
Date Deposited:	03 Aug 2023 07:53
Last Modified:	03 Aug 2023 07:53
URI:	http://repository.its.ac.id/id/eprint/101554

Actions (login required)

View Item