Implementasi Algoritma Latent Dirichlet Allocation untuk Topic Modeling Terhadap Data Twitter Terkait Pandemi Covid-19

Wisnu Setyawan, Antonius (2021) Implementasi Algoritma Latent Dirichlet Allocation untuk Topic Modeling Terhadap Data Twitter Terkait Pandemi Covid-19. Bachelor Thesis thesis, Universitas Multimedia Nusantara.

[img]
Preview
PDF
HALAMAN_AWAL.pdf

Download (793kB) | Preview
[img]
Preview
PDF
DAFTAR_PUSTAKA.pdf

Download (175kB) | Preview
[img]
Preview
PDF
BAB_I.pdf

Download (123kB) | Preview
[img]
Preview
PDF
BAB_II.pdf

Download (324kB) | Preview
[img]
Preview
PDF
BAB_III.pdf

Download (435kB) | Preview
[img] PDF
BAB_IV.pdf
Restricted to Registered users only

Download (870kB)
[img]
Preview
PDF
BAB_V.pdf

Download (108kB) | Preview
[img]
Preview
PDF
LAMPIRAN.pdf

Download (1MB) | Preview

Abstract

Pada tahun 2019, penemuan virus penyakit baru mengejutkan masyarakat dunia, yang tidak lama kemudian penyebaran virus penyakit ini berkembang menjadi pandemi. Pandemi ini disebabkan oleh virus severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) atau yang dikenal sebagai virus Corona. Penyakit yang ditimbulkan akibat virus ini disebut Coronavirus Disease 2019 atau yang lebih dikenal dengan COVID-19. Indonesia merupakan salah satu negara yang terdampak pandemi ini dan berjuang untuk menghadapi pandemi virus COVID-19. Untuk menekan penyebaran virus ini, telah dilakukan oleh pemerintah Indonesia berbagai cara, salah satunya adalah dengan memperjuangkan vaksinasi yang sudah mulai dilakukan pemerintah. Namun vaksinasi juga menimbulkan tanggapan positif maupun negatif bagi masyarakat Indonesia serta menimbulkan berbagai macam isu atau kontroversi maupun teori konspirasi yang beredar pada sosial media, dan salah satunya melalui Twitter. Pada penelitian ini dilakukan perancangan sistem untuk melakukan topic modeling dengan metode Latent Dirichlet Allocation (LDA) dilakukan untuk melihat ragam topik yang beredar pada masyarakat melalui kicauan atau tweet pada sosial media Twitter. Set data pada penelitian ini berupa tweet dari sosial media Twitter. Pengumpulan set data dilakukan mulai tanggal 20 Maret 2021 sampai dengan 29 Maret 2021 dengan kata kunci "#Covid-19" berbahasa Indonesia dan berlokasi Indonesia. Percobaan yang dilakukan dengan skenario perbandingan set data sebelum dilakukan penyaringan dan set data setelah dilakukan penyaringan beserta uji coba perbandingan hyperparameter alpha dengan hyperparameter jumlah topik. Hasil dari penelitian yang dilakukan menunjukkan implementasi metode LDA untuk melakukan topic modeling pada tweet dari sosial media Twitter berhasil dikembangkan. Dari hasil uji coba didapatkan performa metode LDA untuk melakukan topic modeling pada set data sebelum dilakukan penyaringan memiliki nilai coherence score terbaik yaitu 0.5232 dan untuk set data setelah dilakukan penyaringan memiliki nilai coherence score terbaik yaitu 0.4484.

Item Type: Thesis (Bachelor Thesis)
Keywords: COVID-19, latent dirichlet allocation, topic coherence, topic modeling, tweet
Subjects: T Technology > T Technology (General) > T55 Industrial engineering. Management engineering > T58.5-58.64 Information technology
Divisions: Fakultas Teknik Informatika > Program Studi Informatika
SWORD Depositor: mr admin umn
Depositing User: mr admin umn
Last Modified: 24 Aug 2021 08:55
URI: http://kc.umn.ac.id/id/eprint/17957

Actions (login required)

View Item View Item