<![CDATA[Penelitian yang semakin berkembang dari tahun ke tahun membuat para peneliti kesulitan dalam memahami tren topik penelitian. Penelitian ini bertujuan mengetahui tren topik penelitian dengan otomatis tanpa harus membaca semua publikasi yang ada pada ICLR (The International Conference on Learning Representation) dari tahun 2019 hingga 2023 menggunakan pemodelan LDA (Latent Dirichlet Allocation) dan BERTopic. Total terdapat 14.613 data yang dikumpulkan dengan cara crawling. Pengolahan data melalui tahapan preprocessing, pembuatan corpus & dictionary untuk LDA, menerapkan pemodelan LDA dan BERTopic, dan menggunakan coherence sebagai evaluasi pemodelan. Hasil penelitian ini terbukti bahwa kedua pemodelan tersebut bisa mengidentifikasi tren topik penelitian, nilai coherence pada pemodelan BERTopic lebih tinggi dibandingkan LDA. Hal ini menunjukkan pemodelan BERTopic lebih baik dalam merepresentasikan keterkaitan setiap kata dalam suatu topik.]]>
Copyrights © 2026
