<![CDATA[Topic modeling banyak digunakan untuk mengidentifikasi topik dari koleksi dokumen berskala besar. Namun, sebagian besar pendekatan masih menghasilkan label topik atau kumpulan kata representatif yang belum dapat dimanfaatkan sebagai pengetahuan terstruktur. Penelitian ini mengusulkan Progressive Topic Formation (PTF) sebagai framework untuk membangun Domain Knowledge Collection (DKC) dari koleksi dokumen tidak terstruktur. Framework yang diusulkan memperkenalkan Semantic Domain Prototype sebagai representasi awal domain yang diikuti oleh tahapan semantic retrieval, progressive document clustering, dan Domain Knowledge Construction untuk mentransformasikan cluster dokumen yang memiliki koherensi semantik menjadi knowledge object yang terstruktur. Evaluasi dilakukan menggunakan 599.059 artikel Wikipedia Bahasa Indonesia dengan Domain Pendidikan sebagai studi kasus. Hasil eksperimen menunjukkan bahwa PTF mampu memperoleh dokumen yang relevan secara semantik, membentuk cluster yang koheren, serta menghasilkan Domain Knowledge yang terdiri atas nama topik, ringkasan topik, representasi topik, kata kunci utama, dan dokumen pendukung. Dibandingkan dengan topic modeling konvensional, framework yang diusulkan menghasilkan Domain Knowledge Collection yang memiliki representasi semantik lebih kaya melalui transformasi cluster dokumen menjadi knowledge object yang dapat digunakan kembali. Hasil penelitian menunjukkan bahwa PTF memperluas konsep topic modeling menuju konstruksi pengetahuan domain, sehingga DKC yang dihasilkan berpotensi dimanfaatkan sebagai knowledge layer pada Knowledge Management System, semantic search, dan Retrieval-Augmented Generation (RAG).]]>
Copyrights © 2026
