Pemeringkatan Perguruan Tinggi Menggunakan Metode Labeled Latent Dirichlet Allocation (L-LDA) Untuk Mengukur Tingkat Kesiapterapan Teknologi Perguruan Tinggi di Indonesia

Fitrianto, Eko Putro (2017) Pemeringkatan Perguruan Tinggi Menggunakan Metode Labeled Latent Dirichlet Allocation (L-LDA) Untuk Mengukur Tingkat Kesiapterapan Teknologi Perguruan Tinggi di Indonesia. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5113100194-Undergraduate-Theses.pdf]
Preview
Text
5113100194-Undergraduate-Theses.pdf - Published Version

Download (4MB) | Preview

Abstract

Pemeringkatan perguruan tinggi merupakan sebuah cara untuk mengukur kualitas dan kesiapan perguruan tinggi dalam menjalankan proses pembelajaran kepada mahasiswa yang dilihat dari berbagai macam kriteria penilaian. Pemeringkatan perguruan tinggi menjadi salah satu hal yang penting untuk mengukur reputasi perguruan tinggi di dunia internasional maupun di dalam negeri. Dalam Tugas Akhir ini diusulkan sebuah gagasan baru sistem pemeringkatan perguruan tinggi di Indonesia menggunakan metode Labeled Latent Dirichlet Allocation (L-LDA) untuk mengoptimalkan kriteria penilaian yang bersifat kualitatif, yaitu kriteria reputasi akademik dengan menggunakan metode topik modeling untuk menggali topik utama dari dokumen yang berisi abstrak penelitian akademisi di setiap perguruan tinggi, yang sebelumnya dikerjakan secara manual dengan melakukan survey oleh manusia. Menggunakan 800 dokumen abstrak yang didapatkan dari Google Scholar, 9 corpus kata tingkat kesiapterapan teknologi. Pengoptimalan kriteria kualitatif bertujuan untuk menghasilkan hasil pemeringkatan yang efisien dan sedernaha dari yang sebelumnya. Hasil implementasi sistem pemeringkatan Perguruan Tinggi menunjukkan bahwa kinerja sistem secara keseluruhan telah mendekati Ground Truth yaitu pemeringkatan QS University Rankings dengan tingkat similarity sistem sebesar 78,3%, serta tingkat distance metode L-LDA dengan Ground Truth sebesar 20 dan tingkat keberhasilan peringkat dalam toleransi sebesar 66, 67%. Dengan hasil ini menunjukkan bahwa sistem telah berhasil melakukan optimasi kriteria kualitatif reputasi akademik.
========================================================================================================================University Rangking is a way to measure quality and readiness of college to apply their learning process to college student that seen from some criteria assessment. Universities ranking be important to measure college reputation in the outside world and within the country. In this final project proposed a new idea for rating system universities in Indonesia using Labeled Latent Dirichlet Allocation (L-LDA) method to optimize the assessment criteria are qualitative, in order to generate the rating more efficient and simple. In addition, to measure the application level technology in university. Using 800 abstract documents obtained from Google Scholar, 9 corpus words technology readiness level (TKT). Optimization of qualitative criteria aims to produce more efficient and more efficient results than ever before. In addition, measuring the level of technological readiness in Higher Education to run the learning process. The implementation of university ranking system shows that the result is close to the Ground Truth, which is QS University Rankings ranking with similarity value is 78,33%, gap distance method with Ground Truth is 20, and tolerance of difference rank is 66,67%. With these results indicate that the system has successfully optimized the qualitative criteria of academic reputation with some notes in the topic modeling method as an evaluation material in future development to approximate existing results.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: Kualitas Perguruan Tinggi, Kualitatif, Kuantitatif, Labeled Latent Dirichlet Allocation, L-LDA, Optimasi, Pemeringakatan Perguruan Tinggi, QS University Rangkings, Reputasi
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression
Q Science > QA Mathematics > QA278 Cluster Analysis. Multivariate analysis. Correspondence analysis (Statistics)
Divisions: Faculty of Information Technology > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: - Eko Putro Fitrianto
Date Deposited: 13 Sep 2017 02:02
Last Modified: 06 Mar 2019 02:16
URI: http://repository.its.ac.id/id/eprint/43385

Actions (login required)

View Item View Item