"ABSTRAK
Banyaknya jumlah publikasi ilmiah setiap tahun menyebabkan proses identifikasi tren penelitian
menjadi semakin sulit dilakukan secara manual. Banyaknya data judul artikel jurnal yang tersebar
pada berbagai bidang penelitian membutuhkan pendekatan otomatis yang mampu
mengelompokkan topik secara cepat, objektif, dan terstruktur. Penelitian ini bertujuan untuk
menerapkan pendekatan text mining menggunakan metode TF-IDF dan algoritma K-Means dalam
mengidentifikasi serta memetakan tren penelitian berdasarkan judul artikel jurnal ilmiah berbahasa
Indonesia.Tahapan penelitian dimulai dari proses pengumpulan data, preprocessing teks berupa
case folding, tokenizing, stopword removal, dan stemming, kemudian dilanjutkan dengan
pembobotan kata menggunakan TF-IDF untuk menghasilkan representasi numerik teks.
Selanjutnya, algoritma K-Means digunakan untuk mengelompokkan judul artikel berdasarkan
tingkat kemiripan kata. Penentuan jumlah cluster juga dilakukan menggunakan metode Elbow,
DBI dan dievaluasi menggunakan Silhouette Score. Hasil clustering kemudian divisualisasikan
melalui WordCloud, Principal Component Analysis (PCA), analisis co-occurrence, serta analisis
perkembangan cluster berdasarkan tahun publikasi. Hasil penelitian menunjukkan bahwa
kombinasi TF-IDF dan K-Means cukup mampu mengidentifikasi pola topik penelitian serta
mengelompokkan judul artikel ke dalam beberapa cluster dengan karakteristik tema yang berbeda.
Visualisasi data menunjukkan adanya peningkatan signifikan pada topik penelitian berbasis
teknologi, machine learning, dan data mining dalam beberapa tahun terakhir. Selain itu, hasil
analisis juga memperlihatkan bahwa pendekatan text mining dapat membantu memetakan
perkembangan riset secara lebih efisien dibandingkan metode analisis manual.Penelitian ini
memberikan kontribusi dalam pemanfaatan teknik text mining untuk analisis tren penelitian
berbasis data teks akademik. Hasil yang diperoleh diharapkan dapat menjadi referensi bagi
akademisi, peneliti, maupun pengembang sistem dalam memahami arah perkembangan penelitian
serta mendukung pengambilan keputusan berbasis data pada bidang akademik.
Kata Kunci: Text Mining, TF-IDF, K-Means, Clustering, Tren Penelitian, Artikel Jurnal"