Klasterisasi tema Eskatologi pada teks Al-Qur’an berbahasa Indonesia menggunakan Hierarchical Agglomerative Clustering (HAC) berbasis Word2Vec

Safitri, Suci Eka (2026) Klasterisasi tema Eskatologi pada teks Al-Qur’an berbahasa Indonesia menggunakan Hierarchical Agglomerative Clustering (HAC) berbasis Word2Vec. Sarjana thesis, UIN Sunan Gunung Djati Bandung.

	Text (COVER) 1_cover.pdf Download (326kB)
	Text (ABSTRAK) 2_abstrak.pdf Download (161kB)
	Text 3_skbebasplagiarism.pdf Download (336kB)
	Text (DAFTAR ISI) 4_daftarisi.pdf Download (139kB)
	Text (BAB I) 5_bab1.pdf Download (194kB)
	Text (BAB II) 6_bab2.pdf Restricted to Registered users only Download (230kB) | Request a copy
	Text (BAB III) 7_bab3.pdf Restricted to Registered users only Download (638kB) | Request a copy
	Text (BAB IV) 8_bab4.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V) 9_bab5.pdf Restricted to Registered users only Download (160kB) | Request a copy
	Text (DAFTAR PUSTAKA) 10_daftarpustaka.pdf Restricted to Registered users only Download (118kB) | Request a copy
	Text (LAMPIRAN) 11_lampiran.pdf Restricted to Repository staff only Download (258kB) | Request a copy

Abstract

Eskatologi merupakan tema penting dalam kajian Islam, tetapi kalimat-kalimat yang membahasnya tersebar di berbagai ayat sehingga hubungan semantiknya sulit dipetakan secara manual. Penelitian ini bertujuan membentuk representasi vektor kalimat, mengelompokkan kalimat bertema eskatologi, mengevaluasi kualitas klaster, dan menginterpretasikan tema yang terbentuk. Dari 6.230 ayat, penyaringan berbasis 13 kategori dan 142 kata kunci bahasa Arab menghasilkan 1.348 ayat bertema eskatologi, yang disegmentasi menjadi 2.292 kalimat Kemenag dan 3.170 kalimat Tafsir Jalalayn. Korpus gabungan 5.462 kalimat digunakan untuk melatih model Word2Vec berarsitektur Skip-gram berdimensi 300 dengan window 5 dan min count 1. Vektor kalimat Kemenag dibentuk menggunakan SIF, CCR, dan normalisasi norma-L2, kemudian dikelompokkan menggunakan HAC dengan average linkage dan cosine distance. Hasil optimisasi menghasilkan 19 klaster pada threshold 0,6392, dengan Silhouette Score 0,2375, CCC 0,6479, rata-rata kohesi 0,6112, dan rata-rata inter-cluster similarity −0,0383. Tema klaster ditentukan menggunakan TF-IDF sebagai dasar utama, dengan frekuensi kata dan konteks kalimat sebagai pendukung. Tema yang teridentifikasi meliputi kekuasaan Allah, kisah dan tanda kekuasaan-Nya pada alam, kematian dan kehidupan, azab, pahala dan balasan, gambaran surga dan neraka, hari kiamat dan kebangkitan, serta relasi dan ketentuan antarmanusia. Hasil penelitian menunjukkan bahwa kombinasi Word2Vec, SIF, CCR, normalisasi L2, dan HAC dapat memetakan struktur semantik kalimat bertema eskatologi secara eksploratif.

Item Type:	Thesis (Sarjana)
Uncontrolled Keywords:	Natural Language Processing (NLP); Word Embedding, Word2Vec; Smooth Inverse Frequency; TF-IDF; Hierarchical Agglomerative Clustering (HAC).
Subjects:	Mathematics > Data Processing and Analysis of Mathematics Applied mathematics > Statistical Mathematics Applied mathematics > Programming Mathematics
Divisions:	Fakultas Sains dan Teknologi > Program Studi Matematika
Depositing User:	Suci Eka Safitri
Date Deposited:	08 Oct 2026 02:40
Last Modified:	08 Oct 2026 02:40
URI:	https://digilib.uinsgd.ac.id/id/eprint/143875

Actions (login required)

View Item