Putra, Anugrah Dwiatmaja (2018) Rancang Bangun Perangkat Lunak Untuk Pendeteksian Topik Konseling Text Menggunakan Pemodelan Gaussian Latent Dirichlet Allocation (Studi Kasus : Riliv). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211440000080-Undergraduate_Theses.pdf - Accepted Version Download (3MB) | Preview |
Abstract
Riliv merupakan platform konseling online yang menghubungkan pengguna dengan masalah pribadi kepada psikolog secara online. Sebagai perusahaan penyedia jasa dan layanan konseling, Riliv berusaha untuk mengutamakan kualitas pelayanan dan kepuasan pelanggan. Riliv memiliki permasalahan dimana para psikolog menghabiskan banyak waktu di awal konseling untuk memahami topik permasalahan dari pengguna sehingga menyebabkan pengguna harus menunggu respon awal dari psikolog dengan lebih lama. Maka dari itu, penelitian ini akan melakukan analisis topic modeling pada konseling yang telah diselesaikan oleh Riliv untuk mengetahui topik-topik apa saja yang sering disampaikan oleh penggunanya.
Analisis topik dilakukan menggunakan metode Gaussian Latent Dirichlet Allocation dan dievaluasi dengan pengujian perplexity untuk mengetahui kualitas dari model dalam melakukan generalisasi terhadap dokumen. Pengukuran uji koherensi dilakukan dengan perhitungan Pointwise Mutual Information (PMI) untuk menganalisis tingkat kesamaan semantic antara kata-kata yang terdapat didalam topik. Pemodelan topik juga dilakukan dengan menggunakan metode Latent Dirichlet Allocation (LDA) sebagai pembanding dari hasil Gaussian LDA. Kedua model selanjutnya dibandingkan dengan mengukur tingkat coherence masing-masing model menggunakan perhitungan Pointwise Mutual Information (PMI). Probabilitas kata-kata dalam setiap topik yang dihasilkan dari pemodelan terbaik dengan metode Gasusian LDA dan LDA selanjutnya digunakan untuk melakukan pendeteksian terhadap probabilitas topik-topik pada konseling yang baru.
Berdasarkan hasil eksperimen pemodelan topik yang dilakukan, dapat disimpulkan bahwa skenario data dengan stemming pada metode pemodelan Gaussian LDA 25 topik menghasilkan model dengan nilai coherence tertinggi dengan perhitungan PMI, yaitu sebesar 3.0286.
=========================================================================================================
Riliv is online counseling platform that connecting people with personal problems to psychologist by online. As a probider of counseling services, Riliv trying to give priority of services
quality and customer satisfaction. Riliv has a problem that
psychologists a lot of time in the early counseling to understand the topic of the problem from user thus cousing the user to wait for an earlier response from the psychologist for longer. Therefore, this research will do the topic modeling analysis on counseling that has been completed by Riliv to find out topics are often delivered by users. The topic analysis done using the Gaussian Latent Dirichlet Allocation method and evaluated by the plerplexity test to determine the quality of the model in generalizing the document. Measurement of coherence test is done by
calculationg Pointwise Mutual Information (PMI) for the
semantic degree of similarity between the words contained in
the topic. Topic modeling is also done using Latent Dirichlet Allocation method as a comparios of Gaussian LDA result. The two models are compared by measuring the coherence level of each model using PMI. The probability of words in each of the topics resulting form Gaussian LDA and LDA methods will be used to detect the probability of topics in new counseling. Based on the experimental result of topic modeling, concluded
that the data scenario with stemming one the Gaussian LDA 25 topics modeling method resulted have highest coherence value
by PMI, which is 3.0286.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Additional Information: | RSSI 005.1 Put r-1 3100018075556 |
| Uncontrolled Keywords: | Topic Modeling, Gaussian Latent Dirichlet Allocation, Konseling, Riliv, Perplexity, Topic Coherence, |
| Subjects: | Q Science > QA Mathematics > QA246.8 Gaussian Q Science > QA Mathematics > QA76.758 Software engineering T Technology > T Technology (General) > T57.5 Data Processing |
| Divisions: | Faculty of Information and Communication Technology > Information Systems > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Putra Anugrah Dwiatmaja |
| Date Deposited: | 14 Aug 2018 05:19 |
| Last Modified: | 09 Oct 2020 21:43 |
| URI: | http://repository.its.ac.id/id/eprint/52324 |
Actions (login required)
 |
View Item |