<![CDATA[Penelitian ini melakukan tinjauan sistematis untuk mengidentifikasi dan mengklasifikasikan berbagai metode yang digunakan dalam teknik Topic Mining, yang bertujuan untuk menganalisis data teks besar dan mengidentifikasi topik-topik tersembunyi di dalamnya. Dengan menggunakan kerangka kerja PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), penelitian ini mengumpulkan dan menganalisis berbagai literatur yang relevan, yang mencakup metode-metode seperti Latent Dirichlet Allocation (LDA), Fuzzy Fingerprints, dan Semantic Graph, serta aplikasi mereka dalam berbagai domain, seperti analisis media sosial, kesehatan, dan pendidikan. Berdasarkan hasil analisis, ditemukan bahwa metode- metode ini menunjukkan kemampuan yang signifikan dalam meningkatkan akurasi dan fleksibilitas analisis topik, meskipun setiap metode juga memiliki tantangan tertentu, terutama terkait dengan pengaturan parameter, komputasi yang dibutuhkan, dan ketergantungan pada data berlabel. Penelitian ini juga mengidentifikasi tren publikasi yang menunjukkan peningkatan minat terhadap Topic Mining seiring dengan berkembangnya kebutuhan untuk menganalisis data teks besar. Hasil dari penelitian ini diharapkan dapat memberikan wawasan bagi peneliti dan praktisi dalam memilih metode yang paling sesuai untuk aplikasi spesifik mereka, serta menyarankan arah pengembangan metodologi yang lebih optimal di masa depan.]]>
Copyrights © 2025
