PEMETAAN RISET TENTANG DETEKSI TOPIK PADA TWITTER DENGAN TEKNIK SYSTEMATIC LITERATURE REVIEW

Abstract

Sebuah dokumen atau tulisan pastinya mengandung suatu informasi penting di dalamnya. Peringkasan dokumen membuat penemuan informasi-informasi tersebut menjadi lebih mudah karena mempersingkat kalimat dengan cara menghilangkan kata atau kalimat yang tidak penting. Peringkasan dokumen saat ini sudah banyak dilakukan dengan cara yang otomatis menggunakan metode-metode yang dikembangkan dari model neural netowork. Penelitian ini bertujuan untuk mengetahui sejauh mana perkembangan metode neural network dalam meringkas dokumen dilakukan dengan cara menganalisis literatur atau penelitian menggunakan teknik systematic literature review. Pengumpulan literatur dilakukan dengan cara melakukan pencarian pada beberapa digital library dengan memasukkan search string yang telah dibuat berdasarkan research question dengan batas publikasi antara tahun 2014-2018. Hasil dari penelitian ini menunjukkan bahwa dari 1266 literatur yang diperoleh 39 diantaranya layak untuk dianalisa. Berdasarkan dari 39 literatur tersebut diketahui bahwa metode neural network yang digunakan untuk meringkas dokumen adalah sebanyak 28 metode. Metode yang paling sering digunakan adalah metode Recurrent Neural Network (RNN) dan metode terbaik yang ditemukan untuk melakukan peringkasan adalah Deep Neural Network (DNN) dengan persentase ketepatan mencapai 62%.