Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Blend Sains Jurnal Teknik
Kurniawan, Rafi Albar
Unknown Affiliation
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Pemodelan Topik Ulasan Pengguna Honkai Star Rail Menggunakan Bertopic Berbasis Indobert Kurniawan, Rafi Albar; Purwantoro, Purwantoro; Maulana, Iqbal
Blend Sains Jurnal Teknik Vol. 4 No. 4 (2026): Edisi April
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/blendsains.v4i4.1534

Abstract

Ulasan pengguna pada Google Play Store merepresentasikan opini, pengalaman, serta ekspektasi pengguna terhadap suatu aplikasi dalam bentuk teks tidak terstruktur. Karakteristik ulasan yang cenderung singkat, informal, serta mengandung istilah komunitas dan ekspresi emosional menyebabkan pendekatan pemodelan topik tradisional kurang optimal. Penelitian ini bertujuan untuk mengidentifikasi dan menganalisis topik-topik utama pada ulasan pengguna game Honkai Star Rail menggunakan pendekatan BERTopic yang dikombinasikan dengan embedding IndoBERT. Data penelitian diperoleh melalui web scraping terhadap 25.413 ulasan pengguna dan diproses menjadi 18.377 ulasan bersih melalui tahapan prapemrosesan teks. Representasi dokumen dilakukan menggunakan embedding IndoBERT, diikuti reduksi dimensi dengan UMAP dan pengelompokan menggunakan HDBSCAN. Hasil pemodelan menghasilkan 38 topik utama dengan nilai koherensi C_V sebesar 0,665 yang menunjukkan konsistensi semantik yang baik. Evaluasi kualitatif melalui representasi c-TF-IDF serta evaluasi stabilitas berbasis subsampling dan Jaccard similarity menunjukkan bahwa struktur topik bersifat stabil dan interpretatif. Penelitian ini menyimpulkan bahwa kombinasi IndoBERT dan BERTopic efektif untuk pemodelan topik ulasan game berbahasa Indonesia.
Co-Authors Iqbal Maulana Purwantoro