Penerapan Pemodelan Topik Komentar Melalui Media Sosial Twitter Menggunakan Latent Dirichlet Allocation (Studi Kasus: Pemerintah Kota Malang)
Kata Kunci:
Twitter, Pemerintah Kota Malang, Pemodelan Topik, Latent Dirichlet Allocation, StemmingAbstrak
Kota Malang, dengan populasi sekitar 874.890 jiwa dan luas wilayah 145,28 km², menghadapi berbagai isu sosial dan kebijakan yang berdampak pada kehidupan sehari-hari penduduknya. Respons masyarakat terhadap perkembangan kota ini seringkali terlihat dalam komentar di media sosial, termasuk platform Twitter yang memiliki jumlah pengguna 57,5 persen dari seluruh jumlah penduduk di Indonesia. Penelitian ini menggunakan pemodelan topik, khususnya metode Latent Dirichlet Allocation (LDA), untuk menganalisis komentar masyarakat terhadap Pemerintah Kota Malang di Twitter. Fokus utama adalah untuk mengidentifikasi topik-topik utama dalam komentar masyarakat dan mengevaluasi pengaruh penggunaan Stemming terhadap hasil model. Stemming adalah proses mengembalikan kata imbuhan ke bentuk dasar. Hasil penelitian menunjukkan bahwa model dengan parameter terbaik jumlah topik 9, nilai alpha 0,1, dan beta 0,1 menghasilkan nilai perplexity -9.375791364697399, coherence score 0,4222382938590404, dan hasil topik yang didapatkan yaitu banjir Malang, hukum Malang, wisata Malang, proyek pemerintah, tragedi Kanjuruhan, sistem sehat, rencana pemerintah, dana alokasi, dan inovasi produk. Analisis menunjukkan bahwa model tanpa Stemming memiliki nilai perplexity lebih rendah -11.050451252315197 dan coherence score lebih tinggi 0.46301620765695733, menandakan efektivitas yang lebih baik dalam memprediksi data uji dan menghasilkan topik yang lebih koheren dibandingkan model dengan Stemming.
Referensi
Agustiranti, T., Kurdiana, A. K. I., Al Ghiffari, B., Juniar, E. D., & Purnama, D. G. (2024). Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Kereta Cepat Jakarta-Bandung (Whoosh). Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 7(1), 297–305.
Alfanzar, A. I. (2019). TOPIC MODELLING SKRIPSI MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION.
Anisa, D. F. N., Iqbal, M., & Mukhlash, I. (2022). Deteksi Berita Online Hoax Covid-19 Di Indonesia Menggunakan Metode Hybrid Long Short-Term Memory dan Support Vector Machine. JURNAL SAINS DAN SENI ITS, 11(3), A101–A108. https://kawalcovid19.id/
Arianto, B. (2021). Titian: Jurnal Ilmu Humaniora PANDEMI COVID-19 DAN TRANSFORMASI BUDAYA DIGITAL DI INDONESIA Covid-19 Pandemic And digital Culture Transformation in Indonesia. 05(2). https://online-journal.unja.ac.id/index.php/titian
Atwan, J., Wedyan, M., Bsoul, Q., Hamadeen, A., Alturki, R., & Ikram, M. (2021). The Effect of using Light Stemming for Arabic Text Classification. IJACSA) International Journal of Advanced Computer Science and Applications, 12(5). www.ijacsa.thesai.org
Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. In Journal of Machine Learning Research (Vol. 3).
Esa Tiffani, I. (2020). Optimization of Naïve Bayes Classifier By Implemented Unigram, Bigram, Trigram for Sentiment Analysis of Hotel Review. Journal of Soft Computing Exploration, 1(1), 1–7.
Hidayatullah, N., Prasetya Wibawa, A., & Rosyid, H. A. (2017). Penerapan ECS Stemmer untuk Modifikasi Nazief & Adriani Berbahasa Jawa. JURNAL RESTI, 1(3), 343–348.
Kominfo. (2023, October 18). Dashboard. Pemerintah Kota Malang.
Muchtar, M. A., Jaya, I., Nababan, M., Andayani, U., Siregar, L. N., Nababan, E. B., & Sitompul, O. S. (2019). Separation of Basic Words in Angkola Batak Text Documents using Enhanced Confix Stripping Stemmer Case: Mandailing Ethnic. IOP Conference Series: Materials Science and Engineering, 648(1). https://doi.org/10.1088/1757-899X/648/1/012024
Muhaimin, L. A., Pratiwi, O. N., & Fa’rifah, R. Y. (2023). Klasifikasi Soal Berdasarkan Kategori Topik Menggunakan Metode Algoritma Naïve Bayes Dan Algoritma C4.5. E-Proceeding of Engineering, 10(2).
Mustikasari, D., Widaningrum, I., Arifin, R., Henggal, W., & Putri, E. (2021). Comparison of Effectiveness of Stemming Algorithms in Indonesian Documents. http://tiny.cc/rootwords.
Negara, E. S., Triadi, D., & Andryani, R. (2019). Topic Modelling Twitter Data with Latent Dirichlet Allocation Method.
Prasetia, A. (2021). DETEKSI TOPIK KELUHAN PELANGGAN E-COMMERCE BERDASARKAN OPINI PELANGGAN MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION (LDA).
Puspita, E., Shiddieq, D. F., & Roji, F. F. (2024). Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 481–489. https://doi.org/10.57152/malcom.v4i2.1204
Rahmawati, A., Nikmah, N. L., Perwira, R. D. A., & Rakhmawati, N. A. (2021). Analisis topik konten channel YouTube K-pop Indonesia menggunakan Latent Dirichlet Allocation. Teknologi, 11(1), 16–25. https://doi.org/10.26594/teknologi.v11i1.2155
Rizki, A. S., Tjahyanto, A., & Trialih, R. (2019). Comparison of stemming algorithms on Indonesian text processing. Telkomnika (Telecommunication Computing Electronics and Control), 17(1), 95–102. https://doi.org/10.12928/TELKOMNIKA.v17i1.10183
Ulgasesa, R., Negara, A. B. P., & Tursina, T. (2022). Pengaruh Stemming Terhadap Performa Klasifikasi Sentimen Masyarakat Tentang Kebijakan New Normal. Jurnal Sistem Dan Teknologi Informasi (JustIN), 10(3), 286. https://doi.org/10.26418/justin.v10i3.53880
Utari, M. I., & Medyawati, H. (2019). CLASSIFICATION OF NEWS TYPES BY IMPLEMENTING ENHANCED CONFIX STRIPPING STEMMER. Internasional Journal of Engineering Technologies and Management Research, 6(5). https://doi.org/10.5281/zenodo.3232918
Wibowo, H. A., Prawiro, T. A., Ihsan, M., Aji, A. F., Prasojo, R. E., Mahendra, R., & Fitriany, S. (2020). Semi-Supervised Low-Resource Style Transfer of Indonesian Informal to Formal Language with Iterative Forward-Translation. 2020 International Conference on Asian Language Processing (IALP), 310–315.
Yulia, E. R., & Solecha, K. (2021). Implementasi Particle Swarm Optimization (PSO) pada Analysis Sentiment Review Aplikasi Trafi menggunakan Algoritma Naive Bayes (NB). Jurnal Teknik Komputer AMIK BSI, 7(1). https://doi.org/10.31294/jtk.v4i2
Agustiranti, T., Kurdiana, A. K. I., Al Ghiffari, B., Juniar, E. D., & Purnama, D. G. (2024). Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Kereta Cepat Jakarta-Bandung (Whoosh). Jurnal Ilmu Komputer Dan Sistem Informasi (JIKOMSI), 7(1), 297–305.
Alfanzar, A. I. (2019). TOPIC MODELLING SKRIPSI MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION.
Anisa, D. F. N., Iqbal, M., & Mukhlash, I. (2022). Deteksi Berita Online Hoax Covid-19 Di Indonesia Menggunakan Metode Hybrid Long Short-Term Memory dan Support Vector Machine. JURNAL SAINS DAN SENI ITS, 11(3), A101–A108. https://kawalcovid19.id/
Arianto, B. (2021). Titian: Jurnal Ilmu Humaniora PANDEMI COVID-19 DAN TRANSFORMASI BUDAYA DIGITAL DI INDONESIA Covid-19 Pandemic And digital Culture Transformation in Indonesia. 05(2). https://online-journal.unja.ac.id/index.php/titian
Atwan, J., Wedyan, M., Bsoul, Q., Hamadeen, A., Alturki, R., & Ikram, M. (2021). The Effect of using Light Stemming for Arabic Text Classification. IJACSA) International Journal of Advanced Computer Science and Applications, 12(5). www.ijacsa.thesai.org
Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent Dirichlet Allocation. In Journal of Machine Learning Research (Vol. 3).
Esa Tiffani, I. (2020). Optimization of Naïve Bayes Classifier By Implemented Unigram, Bigram, Trigram for Sentiment Analysis of Hotel Review. Journal of Soft Computing Exploration, 1(1), 1–7.
Hidayatullah, N., Prasetya Wibawa, A., & Rosyid, H. A. (2017). Penerapan ECS Stemmer untuk Modifikasi Nazief & Adriani Berbahasa Jawa. JURNAL RESTI, 1(3), 343–348.
Kominfo. (2023, October 18). Dashboard. Pemerintah Kota Malang.
Muchtar, M. A., Jaya, I., Nababan, M., Andayani, U., Siregar, L. N., Nababan, E. B., & Sitompul, O. S. (2019). Separation of Basic Words in Angkola Batak Text Documents using Enhanced Confix Stripping Stemmer Case: Mandailing Ethnic. IOP Conference Series: Materials Science and Engineering, 648(1). https://doi.org/10.1088/1757-899X/648/1/012024
Muhaimin, L. A., Pratiwi, O. N., & Fa’rifah, R. Y. (2023). Klasifikasi Soal Berdasarkan Kategori Topik Menggunakan Metode Algoritma Naïve Bayes Dan Algoritma C4.5. E-Proceeding of Engineering, 10(2).
Mustikasari, D., Widaningrum, I., Arifin, R., Henggal, W., & Putri, E. (2021). Comparison of Effectiveness of Stemming Algorithms in Indonesian Documents. http://tiny.cc/rootwords.
Negara, E. S., Triadi, D., & Andryani, R. (2019). Topic Modelling Twitter Data with Latent Dirichlet Allocation Method.
Prasetia, A. (2021). DETEKSI TOPIK KELUHAN PELANGGAN E-COMMERCE BERDASARKAN OPINI PELANGGAN MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION (LDA).
Puspita, E., Shiddieq, D. F., & Roji, F. F. (2024). Pemodelan Topik pada Media Berita Online Menggunakan Latent Dirichlet Allocation (Studi Kasus Merek Somethinc). MALCOM: Indonesian Journal of Machine Learning and Computer Science, 4(2), 481–489. https://doi.org/10.57152/malcom.v4i2.1204
Rahmawati, A., Nikmah, N. L., Perwira, R. D. A., & Rakhmawati, N. A. (2021). Analisis topik konten channel YouTube K-pop Indonesia menggunakan Latent Dirichlet Allocation. Teknologi, 11(1), 16–25. https://doi.org/10.26594/teknologi.v11i1.2155
Rizki, A. S., Tjahyanto, A., & Trialih, R. (2019). Comparison of stemming algorithms on Indonesian text processing. Telkomnika (Telecommunication Computing Electronics and Control), 17(1), 95–102. https://doi.org/10.12928/TELKOMNIKA.v17i1.10183
Ulgasesa, R., Negara, A. B. P., & Tursina, T. (2022). Pengaruh Stemming Terhadap Performa Klasifikasi Sentimen Masyarakat Tentang Kebijakan New Normal. Jurnal Sistem Dan Teknologi Informasi (JustIN), 10(3), 286. https://doi.org/10.26418/justin.v10i3.53880
Utari, M. I., & Medyawati, H. (2019). CLASSIFICATION OF NEWS TYPES BY IMPLEMENTING ENHANCED CONFIX STRIPPING STEMMER. Internasional Journal of Engineering Technologies and Management Research, 6(5). https://doi.org/10.5281/zenodo.3232918
Wibowo, H. A., Prawiro, T. A., Ihsan, M., Aji, A. F., Prasojo, R. E., Mahendra, R., & Fitriany, S. (2020). Semi-Supervised Low-Resource Style Transfer of Indonesian Informal to Formal Language with Iterative Forward-Translation. 2020 International Conference on Asian Language Processing (IALP), 310–315.
Yulia, E. R., & Solecha, K. (2021). Implementasi Particle Swarm Optimization (PSO) pada Analysis Sentiment Review Aplikasi Trafi menggunakan Algoritma Naive Bayes (NB). Jurnal Teknik Komputer AMIK BSI, 7(1). https://doi.org/10.31294/jtk.v4i2
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
