Ekstraksi Kata Kunci Pada Portal Jurnal JATISI Menggunakan Metode TF-IDF dan Cosine Similarity

Penulis

DOI:

https://doi.org/10.46576/device.v6i2.6623

Kata Kunci:

Term Frequency-Inverse Document Frequency (TF-IDF), Cosine Similarity

Abstrak

Penelitian ini bertujuan untuk mengimplementasikan metode Term Frequency-Inverse Document Frequency (TF-IDF) dan Cosine Similarity dalam mengekstraksi kata kunci dari abstrak artikel jurnal guna mengidentifikasi topik penelitian dalam periode tertentu. Harapannya, pengguna dapat menganalisis tren topik dan memperoleh gambaran komprehensif mengenai dinamika keilmuan di bidang Teknik Informatika dan Sistem Informasi. Penelitian ini menggunakan pendekatan eksperimental kuantitatif dengan tahapan: pengumpulan data dari 11 artikel jurnal JATISI Vol 6 No. 1 (2019), pre-processing data (case folding, penghapusan tanda baca dan angka, tokenisasi, stopword removal, dan stemming), pembobotan menggunakan TF-IDF, serta pengukuran relevansi antardokumen dengan Cosine Similarity. Hasil penelitian berhasil mengekstraksi kata kunci dari dokumen dan memberikan peringkat berdasarkan persentase kemunculannya, serta menghasilkan matriks cosine similarity untuk mengidentifikasi kemiripan antartulisan. Namun, nilai presisi 0.05, recall 0.04, dan F1-score 0.04 menunjukkan bahwa model ini belum mampu memberikan prediksi yang memadai untuk kasus ini. Temuan ini dapat dijadikan acuan bahwa model/metode tersebut tidak direkomendasikan tanpa modifikasi signifikan, sekaligus menjadi dasar untuk eksplorasi solusi alternatif di masa depan.

Referensi

T. Nomoto, “Keyword Extraction: A Modern Perspective,” SN Comput Sci, vol. 4, no. 1, hlm. 92, Des 2022, doi: 10.1007/s42979-022-01481-7.

P. Marto Hasugian, J. Manurung, L. Logaraz, dan U. Ram, “IMPLEMENTATION OF TF-IDF AND COSINE SIMILARITY ALGORITHMS FOR CLASSIFICATION OF DOCUMENTS BASED ON ABSTRACT SCIENTIFIC JOURNALS,” INFOKUM, vol. 9, no. 2, June, hlm. 518–526, Agu 2021, [Daring]. Tersedia pada: https://infor.seaninstitute.org/index.php/infokum/ article/view/201

T. Bin Sarwar, N. M. Noor, dan M. Saef Ullah Miah, “Evaluating keyphrase extraction algorithms for finding similar news articles using lexical similarity calculation and semantic relatedness measurement by word embedding,” PeerJ Comput Sci, vol. 8, hlm. e1024, Jul 2022, doi: 10.7717/peerj-cs.1024.

Admin, "Jurnal Ilmiah: Pengertian, Fungsi, Jenis, dan Struktur,"SampoernaUniversity, [Online]. Tersedia: https://www.sampoernauniversity.ac.id/id/news/contoh-jurnal-ilmiah. [Diakses: 20 Mei 2025].

R. Ariyansyah, R. Nanda, dan O. Wiranda, “Search Engine Menggunakan Metode Information Retrival,” 2022.

R. Mandala, “Evaluasi Efektifitas Metode Machine Learning Pada Search Engine,”Keahlian Inform. Sekol. Tek. Elektro dan Inform., vol. 2006, no. Snati, pp. 11–15, 2006.

I. T. Hapsari, B. S. Andoko, and C. Rahmad, “Aplikasi Information Retrieval UntukPencarian Dokumen Laporan Penelitian,” J. Inform. Polinema, vol. 1, no. 3, p. 23, 2017, doi: 10.33795/jip.v1i3.109.

N. M. A. Lestari and M. Sudarma, “Perencanaan Search Engine E-commerce dengan Metode Latent Semantic Indexing Berbasis Multiplatform,” Lontar Komput. J. Ilm. Teknol. Inf., vol. 8, no. 1, p. 31, 2017, doi: 10.24843/lkjiti.2017.v08.i01.p04.

H. J. Kim, J. W. Baek, dan K. Chung, “Optimization of associative knowledge graph using TF-IDF based ranking score,” Applied Sciences (Switzerland), vol. 10, no. 13, Jul 2020, doi: 10.3390/app10134590.

Paik, J.H. A novel TF-IDF weighting scheme for effective ranking. In Proceedings of the 36th International ACM SIGIR Conference on Research and Development in Information Retrieval, Dublin, reland, 28 July–1 August 2013; pp. 343–352.

Yun-tao, Z.; Ling, G.; Yong-cheng, W. An improved TF-IDF approach for text classification. J. Zhejiang Univ. Sci. A 2005, 6A, 49–55.

M. S. U. Miah, J. Sulaiman, T. Bin Sarwar, K. Z. Zamli, dan R. Jose, “Study of Keyword Extraction Techniques for Electric Double-Layer Capacitor Domain Using Text Similarity Indexes: An Experimental Analysis,” Complexity, vol. 2021, 2021, doi: 10.1155/2021/8192320.

“Cosine Similarity-understanding the math and how it works? (with python),” https://www.machinelearningplus.com/nlp/cosine-similarity/

9.5.2. -e Cosine Similarity Algorithm-9.5. Similarity Algorithms, https://neo4j.com/docs/graph-algorithms/current/labs-algorithms/cosine/

H. Hassani, C. Beneki, S. Unger, M. T. Mazinani, dan M. R. Yeganegi, “Text mining in big data analytics,” Big Data and Cognitive Computing, vol. 4, no. 1, hlm. 1–34, Mar 2020, doi: 10.3390/bdcc4010001.

Dumais, S. Using SVMs for text categorization, Microsoft research. IEEE Intell. Syst. Mag. 1998, 13, 18–28.

Unduhan

Diterbitkan

2025-12-03

Terbitan

Vol 6 No 2: DESEMBER 2025

Bagian

ARTIKEL VOL. 6 NO. 2 2025

Lisensi

Penulis yang naskahnya diterbitkan menyetujui ketentuan sebagai berikut:

  1. Hak publikasi atas semua materi naskah jurnal yang diterbitkan/dipublikasikan dalam jurnal ini dipegang oleh dewan redaksi dengan sepengetahuan penulis (hak moral tetap milik penulis naskah).
  2. Ketentuan legal formal untuk akses artikel digital jurnal elektronik ini tunduk pada ketentuan lisensi Creative Commons Attribution-ShareAlike (CC BY), yang berarti  Jurnal Device berhak menyimpan, mengalih media/format-kan, mengelola dalam bentuk pangkalan data (database), merawat, dan mempublikasikan artikel tanpa meminta izin dari Penulis selama tetap mencantumkan nama Penulis sebagai pemilik Hak Cipta.
  3. Naskah yang diterbitkan/dipublikasikan secara cetak dan elektronik bersifat open access untuk tujuan pendidikan, penelitian, dan perpustakaan. Selain tujuan tersebut, dewan redaksi tidak bertanggung jawab atas pelanggaran terhadap hukum hak cipta.