PEMODELAN TOPIK UNTUK MEDIA SOSIAL MENGGUNAKAN LATENT DIRICHLET ALLOCATION; (TOPIC MODELS FOR SOCIAL MEDIA USING LATENT DIRICHLET ALLOCATION

RUSKE ILLA KENGKEN, Dedi Rosadi

2014 | Skripsi | PROGRAM STUDI STATISTIKA

Berkembangnya analisis media sosial saat ini memberikan suatu kebutuhan baru. Kita dituntut untuk dapat menyimpulkan opini atau argumen dalam kumpulan dokumen yang sangat besar seperti pada media sosial secara cepat dan efisien. Dari opini yang didapat kita dapat menyimpulkan sebuah informasi utama yang tersembunyi dan dapat digunakan untuk analisis lebih lanjut. Pemodelan topik atau topic models merupakan perkembangan dari analisis teks yang bermanfaat dalam pemodelan data tekstual dengan tujuan menemukan topik yang tersembunyi didalamnya. Salah satu model yang akan dibahas adalah model probabilitas Latent Dirichlet Allocation (LDA). Model Latent Dirichlet Allocation (LDA) merupakan sebuah model probabilitas dari data tekstual dimana dapat menjelaskan korelasi antara kata-kata dengan tema semantik yang tersembunyi didalam dokumen tersebut. Estimasi parameter yang digunakan dalam model adalah metode Bayesian. Metode Bayesian adalah sebuah metode yang memberikan nilai estimasi melalui distribusi posterior. Untuk model ini perhitungan estimasi dari distribusi posterior sangat kompleks sehingga digunakan estimasi Gibbs sampling. Dalam skripsi ini diterapkan model probabilitas Latent Dirichlet Allocation (LDA) untuk data yang bersumber dari salah satu platform media sosial yaitu Twitter. Tujuannya adalah untuk mengetahui berita apa yang dominan dibicarakan masyarakat di Twitter dalam periode tertentu. Hasil dari pemodelan topik ini adalah berupa topik utama dari seluruh opini masyarakat yang diinterpretasikan menjadi berita yang paling dominan dibicarakan masyarakat

Kata Kunci : pemodelan topik; latent Dirichlet allocation; Bayesian; Gibbs sampling; text mining; analisis teks; twitter