Implmentasi Algoritma Lattern Dirichlet Allocation (LDA) Dengan Gibss Sampling Untuk Topic Modelling Menggunakan Data X Terkait IKN

Raihan Labib Hanif; Mohammad Syafrullah

doi:10.36080/bit.v21i2.3604

Implmentasi Algoritma Lattern Dirichlet Allocation (LDA) Dengan Gibss Sampling Untuk Topic Modelling Menggunakan Data X Terkait IKN

Raihan Labib Hanif, Mohammad Syafrullah

Abstract

Teknologi informasi mencakup segala sesuatu yang membantu manusia dalam menciptakan, mengubah, menyimpan, mengomunikasikan, atau menyebarkan informasi. Media sosial, khususnya X, menjadi platform populer untuk berbagi ide dan informasi. X Inc. menyediakan layanan jejaring sosial berbasis microblogging yang memungkinkan pengguna mengirim dan membaca pesan singkat atau "tweet". Rencana pemindahan Ibu Kota Negara (IKN) dari Jakarta ke Kalimantan Timur telah menjadi topik diskusi yang signifikan di media sosial. Penelitian ini bertujuan untuk mengidentifikasi topik yang sering dibahas oleh masyarakat mengenai IKN menggunakan metode Latent Dirichlet Allocation (LDA). Hasil analisis menunjukkan bahwa penerapan algoritma LDA dengan Gibbs Sampling pada 216 data tweet tentang IKN berhasil mengidentifikasi topik-topik tersembunyi dengan nilai coherence tertinggi sebesar 0.38389228712614887 pada iterasi topik ke-20 dari 20 iterasi. Distribusi topik-dokumen dan kata-topik yang dihasilkan memberikan pemahaman yang lebih mendalam mengenai pembahasan masyarakat terkait IKN.

Keywords

teknologi informasi; media sosial; X; ikn; latent dirichlet allocation (LDA)

Full Text:

PDF

References

A. M. Dawis et al., “Digital Signage As Interactive Information Of Nurul Iman Mosque Based On Responsive Web,” vol. 1, pp. 8–16, 2023.

F. Nisrina, “Implementasi Deteksi Topik Putusan Hakim Dengan Latent Dirichlet Allocation (Lda),” pp. 1–64, 2020, [Online]. Available: https://dspace.uii.ac.id/handle/123456789/23847

A. Anas Azhar, “Analisis Pemanfaatan Aplikasi Gojek Berbasis Sistem Informasi Geografis (Persepsi Pelayanan Gojek Pada Mahasiswa Uinsu),” J. Geogr., vol. 12, no. 02, p. 96, 2020, doi: 10.24114/jg.v12i02.17214.

C. Ratiwi and N. Indriani, “Implementasi Ekstraksi Informasi pada Surat Masuk menggunakan Metode Naive Bayes,” 2018.

D. Z. T. Kannitha, M. Mustafid, and P. Kartikasari, “Pemodelan Topik Pada Keluhan Pelanggan Menggunakan Algoritma Latent Dirichlet Allocation Dalam Media Sosial Twitter,” J. Gaussian, vol. 11, no. 2, pp. 266–277, 2022, doi: 10.14710/j.gauss.v11i2.35474.

Ripaldi, E. M. Lantigimo, I. Sasirais, and G. T. Yohaness, “Kesiapan Dayak Deah Di Desa Kinarum Dalam Menyambut Ibu Kota Negara Baru,” J. Teol. Pambelum, vol. 2, no. 2, pp. 34–48, 2022, doi: 10.59002/jtp.v2i2.27.

E. Laksono, A. Basuki, and F. Bachtiar, “Optimization of K Value in KNN Algorithm for Spam and Ham Email Classification,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 2, pp. 377–383, 2020, doi: 10.29207/resti.v4i2.1845.

T. A. Sari, E. Sinduningrum, and F. Noor Hasan, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Sentimen Ulasan Pelanggan Pada Aplikasi Fore Coffee Menggunakan Metode Naïve Bayes,” Media Online), vol. 3, no. 6, pp. 773–779, 2023, doi: 10.30865/klik.v3i6.884.

N. Nurzaman, N. Suarna, and W. Prihartono, “Analisis Sentimen Ulasan Aplikasi Threads Di Google Playstore Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 967–974, 2024, doi: 10.36040/jati.v8i1.8708.

N. H. Hrp, M. Fikry, and Y. Yusra, “Algoritma Stemming Teks Bahasa Batak Angkola Berbasis Aturan Tata Bahasa,” J. Comput. Syst. Informatics, vol. 4, no. 3, pp. 642–648, 2023, doi: 10.47065/josyc.v4i3.3458.

M. U. Albab, Y. Karuniawati, and M. N. Fawaiq, “Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic,” J. Transform., vol. 20, no. 2, pp. 1–10, 2023, [Online]. Available: https://journals.usm.ac.id/index.php/transformatika/page1

S. Roiqoh, B. Zaman, and K. Kartono, “Analisis Sentimen Berbasis Aspek Ulasan Aplikasi Mobile JKN dengan Lexicon Based dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 7, no. 3, pp. 1582–1592, 2023, doi: 10.30865/mib.v7i3.6194.

DOI: https://doi.org/10.36080/bit.v21i2.3604

Refbacks

There are currently no refbacks.

This work is licensed under a Creative Commons Attribution 4.0 International License.

OFFICE:

FAKULTAS TEKNOLOGI INFORMASI - UNIVERSITAS BUDI LUHUR, Jl. Ciledug Raya, Petukangan Utara, Jakarta Selatan, 12260. DKI Jakarta, Indonesia. Telp: 021-585 3753 Fax: 021-585 3752

Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) by FAKULTAS TEKNOLOGI INFORMASI - UNIVERSITAS BUDI LUHUR is licensed under CC BY-SA 4.0 Creative Commons License

View Bit (Fakultas Teknologi Informasi Universitas Budi Luhur) Satats Web Analytics Made Easy