PEMODELAN TOPIK PADA MEDIA SOSIAL TWITTER DENGAN MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION (LDA)
| Main Author: | Larasati, Ina |
|---|---|
| Format: | bachelorthesis doc-type Bachelors |
| Bahasa: | ind |
| Terbitan: |
, 2016
|
| Online Access: |
http://repository.unpad.ac.id/frontdoor/index/index/docId/13715 |
Daftar Isi:
- Perkembangan informasi yang pesat saat ini, membuat kita dapat memperoleh informasi secara lebih cepat dan efisien. Salah satu perkembangan informasi dapat terlihat pada munculnya media sosial yang banyak digunakan oleh masyarakat. Namun karena terlalu banyaknya informasi yang kita peroleh, terkadang membuat kita kesulitan untuk menyimpulkan semua informasi yang kita dapatkan. Analisis pemodelan topik merupakan salah satu metode analisis yang digunakan untuk menganalisis topik secara lebih cepat dan efisien. Pemodelan topik itu sendiri merupakan salah satu bagian dari analisis Text Mining. Dalam pemodelan topik dikenal suatu metode yang bernama Latent Dirichlet Allocation (LDA). LDA merupakan sebuah model probablistik dari data tekstual untuk menjelaskan korelasi antara kata dengan tema semantik yang tersembunyi pada sebuah dokumen. Penaksir parameter yang digunakan pada model LDA adalah penaksir parameter Gibb Sampling. Pada skripsi ini diterapkan model Latent Dirichlet Allocation untuk data yang bersumber dari salah satu media sosial yaitu Twitter dengan keyword yang digunakan adalah #Statistics. Dari hasil analisis, didaptkan sebanyak 10 buah topik optimum, dimana masing-masing topik mengandung kata atau term yang berhubungan. Hasil dari ke-10 topik ini merupakan topik utama dari seluruh opini yang diinterpretasikan menjadi berita yang paling dominan dibicarakan oleh pengguna Twitter.