REKOMENDASI KATA KUNCI ARTIKEL ILMIAH BERBASIS CONTEXTUALIZED WORD EMBEDDING DAN AGGLOMERATIVE CLUSTERING

Abstract

Kata kunci adalah alat untuk memudahkan pembaca menemukan artikel ilmiah. Kata kunci yang ditentukan dengan tepat akan menarik perhatian pembaca untuk mengkaji dan mengutip artikel ilmiah. Kata kunci yang tidak ditentukan secara tepat dapat mengurangi kesempatan artikel ilmiah dijangkau oleh pembaca. Berdasarkan permasalahan tersebut perlu menerapkan penentuan kata kunci secara otomatis untuk mengurangi kesalahan dan mempercepat pekerjaan. Pada penelitian sebelumnya diterapkan pendekatan Contextualized Word Embedding, Clustering, dan Part-of-Speech Tagging dalam ekstraksi kata kunci. Kombinasi pendekatan Contextualized Word Embedding dan Part-of-Speech diterapkan pada penelitian sebelumnya dengan Model PatternRank. Model PatternRank dalam ekstraksi kata kunci hanya mempertimbangkan perspektif dari satu artikel ilmiah yang menyebabkan informasi yang diperoleh terbatas sehingga perlu menerapkan pendekatan clustering. Pendekatan clustering dalam ekstraksi kata kunci pada penelitian sebelumnya menerapkan TF-IDF dalam proses embedding. TF-IDF tidak memperhatikan urutan kata, sehingga menyebabkan nilai embedding yang dihasilkan dari TF-IDF tidak sesuai dengan konteks kalimat. Sehingga berdasarkan kelemahan dari pendekatan Contextualized Word Embedding dan Clustering, pada penelitian ini menerapkan kombinasi dari kedua pendekatan tersebut dalam ekstraksi kata kunci. Berdasarkan nilai indikator precision, recall, dan f1-score hasil dari evaluasi menunjukkan kombinasi dari Metode Clustering dan Contextualized Word Embedding mengungguli Metode PatternRank.