KLASTERISASI TOPIK PENELITIAN TEKNIK INFORMATIKA BERDASARKAN ABSTRAK SKRIPSI MENGGUNAKAN BERTopic

Abstrak skripsi Teknik Informatika memiliki karakteristik teks pendek dengan kosakata yang beragam, kombinasi istilah teknis bahasa Indonesia dan Inggris, serta informasi multidimensi yang mencakup metode, domain, dan objek penelitian dalam satu paragraf. Karakteristik tersebut menyebabkan proses klasterisasi dokumen secara otomatis menjadi menantang karena pendekatan berbasis kemiripan kata tradisional belum mampu menangkap hubungan semantik secara kontekstual. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis topik-topik penelitian pada abstrak skripsi Teknik Informatika menggunakan BERTopic, serta mengevaluasi beberapa konfigurasi parameter untuk memperoleh model dengan kualitas topik terbaik berdasarkan Topic Coherence (Cv) dan Topic Diversity (TD). Data yang digunakan terdiri atas 14.629 abstrak skripsi dari 10 perguruan tinggi di Indonesia periode 2013–2025. Penelitian mengikuti kerangka CRISP-DM yang meliputi preprocessing teks dua lapis, pembentukan sentence embedding menggunakan model multilingual paraphraseMiniLM, reduksi dimensi dengan UMAP, klasterisasi menggunakan HDBSCAN, serta ekstraksi kata kunci menggunakan c-TF-IDF. Eksplorasi parameter dilakukan secara sistematis melalui dua tahap, yaitu coarse search dan fine-tuning OFAT. Hasil penelitian menunjukkan bahwa konfigurasi parameter terbaik diperoleh pada UMAP (n_neighbors=30, min_dist=0.0) dan HDBSCAN (min_cluster_size=25, min_samples=5), yang menghasilkan 106 topik optimal. Model ini berhasil mengklasterkan 71,75% dokumen (10.496 abstrak) dengan nilai Topic Coherence (Cv) sebesar 0,7003 dan Topic Diversity (TD) sebesar 0,9179. Berdasarkan analisis temporal, teridentifikasi 11 topik yang menunjukkan tren meningkat (emerging) dan 8 topik yang menunjukkan tren menurun (declining). Penelitian ini juga menghasilkan visualisasi interaktif untuk mendukung eksplorasi hasil klasterisasi dan tren penelitian.