This study discusses the making of SILARAS application (Smart and Integrated Laboratory Report Assessment System) which purposed to correct a document report on Algorithm & Programming 2 courses by using PLSA (Probabilistic Latent Semantic Analysis) text mining calculation method. PLSA is one of the methods in text mining used to summarize a text document purposed at obtaining a topic discussion group contained in the document or can be called as topic modeling by calculating the probability value of the word on the topic, the probability of the topic on the document, and the probability of the word and document on topic. Before the calculation of PLSA is done first pre-processing step to reduce the number of matrix dimensions to be easier when used as input parameters into the PLSA method that includes tokenizing, filtering, and stemming. It then calculates the number of occurrences of word / term queries in the document being tested and used as input parameters for the calculation of the PLSA method. Performance testing results of PLSA using accuracy method by calculating how percentage probability topics in documents successfully calculated and yield accuracy of 74.99%. Based on these percentages can be concluded that the PLSA method can be an option to summarize the text of the document so that it can assist the laboratory assistant in correcting student reports.

Penelitian ini membahas tentang pembuatan aplikasi SILARAS (Smart and Integrated Laboratory Report Assessment System) yang bertujuan untuk mengoreksi suatu dokumen laporan pada mata kuliah Algoritma & Pemrograman 2 dengan menggunakan metode perhitungan text mining PLSA (Probabilistic Latent Semantic Analysis). PLSA adalah salah satu metode pada text mining yang digunakan untuk merangkum suatu teks dokumen bertujuan untuk mendapatkan kelompok bahasan topik yang terkandung didalam dokumen atau bisa disebut sebagai topic modelling dengan menghitung nilai probabilitas kata pada topik, probabilitas topik pada dokumen, dan probabilitas kata dan dokumen pada topik. Sebelum perhitungan PLSA dilakukan terlebih dahulu tahap preprocessing untuk mengurangi jumlah dimensi matriks agar lebih mudah Ketika dijadikan parameter input kedalam metode PLSA yang meliputi tokenizing, filtering, dan stemming. Kemudian dilakukan perhitungan banyaknya kemunculan kata / term queries pada dokumen yang diuji dan dijadikan parameter input untuk perhitungan metode PLSA. Pengujian kinerja hasil PLSA menggunakan metode akurasi dengan cara menghitung berapa persentase probabilitas topik dalam dokumen yang berhasil dihitung dan menghasilkan nilai akurasi sebesar 74.99%. Berdasarkan persentase tersebut dapat ditarik kesimpulan bahwa metode PLSA dapat dijadikan pilihan untuk merangkum teks dokumen sehingga dapat membantu asisten laboratorium dalam mengoreksi laporan mahasiswa.