Penerapan Pemodelan Topik menggunakan Metode Latent Dirichlet Allocation terhadap Pembehasan Pemilu Indonesia tahun 2024 di Twitter

Abstrak

Pemilihan Umum atau Pemilu merupakan salah satu realisasi dari sistem demokrasi, yang memungkinkan warga negara memiliki hak suara untuk memilih kandidat pada posisi pemerintahan. Penelitian ini menyelidiki wacana publik di Twitter seputar Pemilu di Indonesia tahun 2024 dengan menerapkan pemodelan topik menggunakan metode Latent Dirichlet Allocation (LDA). Hasil kata-kata dalam topik yang diberikan oleh  metode LDA ialah kata-kata tunggal. Hal tersebut membuat hasil topik kurang bermakna dan informasi kata menjadi kurang berwawasan. Penerapan bigram pada metode LDA menjadi solusi dalam masalah di penelitian ini. Pengujian terhadap model LDA yang diintegrasi dengan bigram dilakukan dengan metrik perplexity dan coherence score untuk menentukan jumlah topik terbaik. Hasil pengujian menghasilkan jumlah topik yang optimal sebanyak 7 atau 8 diperoleh dari perplexity bernilai -12,6649 dan -13,0147. Di sisi lain hasil coherence score bernilai 0,5826 dan 0,5579. Jumlah tersebut diperoleh dengan pendekatan jalan tengah karena terdapat ketidakseimbangan pada hasil jumlah topik terbaik. Hasil kedua metrik tersebut mengalami peningkatan dibandingkan tidak menggunakan bigram. Integrasi bigram dengan LDA menghasilkan topik dengan kata-kata yang lebih mendalam karena bigram menangkap ekspresi dua kata.