Pemodelan Topik Menggunakan Latent Dirichlet Allocation dan Sentence-Bidirectional Encoder Representation from Transformer Pada Laman Berita Hoax

VITADEVI RAHMAWATI, Dr. Abdurakhman, S.Si., M.Si.

2023 | Skripsi | STATISTIKA

Pada saat ini, banyak informasi palsu yang dikemas dalam bentuk pemberitaan melalui berbagai media massa mengikuti trend pembicaraan pada saat itu sehingga akan lebih banyak menarik masyarakat untuk mempercayainya. Pemodelan topik merupakan salah satu teknik analisis data teks yang bermanfaat dalam menemukan makna tersebunyi dalam dokumen. Penentuan topik – topik yang ada pada laman berita hoax dapat membantu masyarakat untuk lebih berhati – hati ketika mendapat suatu informasi. Latent Dirichlet Allocation (LDA) merupakan model probabilitas generatif yang digunakan dalam pemodelan topik dan merupakan salah satu metode klasik yang hingga saat ini masih banyak digunakan. Di sisi lain, Sentence-Bidirectional Encoder Representation from Transformer (SBERT) adalah model pembelajaran mesin modern yang didasarkan pada arsitektur transformer dan mempertimbangkan kata – kata di sekitarnya dari dua sisi. Penelitian ini, menggunakan studi kasus berupa berita hoax mulai 1 Januari sampai 31 Agustus 2023 yang didapat dari laman berita hoax turnbackhoax.id. Teknik pemodelan topik yang digunakan adalah LDA dan SBERT yang mana pada LDA digunakan dua teknik representasi teks, yaitu Bag of Words (BoW) dan Term Frequency-Inverse Document Frequency (TF-IDF). Diperoleh model terbaik berdasarkan hasil evaluasi model, yaitu SBERT dengan nilai koherensi sebesar 0,649. Topik yang didapatkan adalah sebanyak 8 topik, yaitu: Topik 1: Konten Video Palsu Mengenai Calon Presiden Indonesia (919 berita), Topik 2: Akun Sosial Media Palsu Yang Mengatasnamakan Pemerintah (97 berita), Topik 3: Manipulasi Fakta Dan Foto Palsu Yang Berkaitan Dengan Akun Tertentu (86 berita), Topik 4: Piala Dunia Speak Bola (44 berita), Topik 5: Facebook Banyak Memberikan Artikel Hoax Mengenai Pemerintahan Indonesia (37 berita), Topik 6: Penyakit Dan Penyebabnya (31 berita), Topik 7: Berita Hoax Banyak Berisi Video Dan Gambar Berupa Potongan – Potongan (29 berita), dan Topik 8: Vaksin Untuk Covid-19 (26 berita).

A significant amount of false information is packaged in the form of news through various mass media, following the prevailing trends of conversation, to attract more people into believing it. Topic modelling serves as one of the valuable text data analysis techniques to uncover hidden meanings within documents. Identifying the topics within hoax news articles can assist the public in being more cautious when receiving information. Latent Dirichlet Allocation (LDA) stands as a generative probability model used in topic modelling and remains one of the classical methods that is widely employed even today. In contrast, Sentence-Bidirectional Encoder Representation from Transformer (SBERT) is a modern machine learning model based on the transformer architecture, considering words from both sides. In this study, a case study was conducted involving hoax news articles from January 1 to August 31, 2023, obtained from the hoax news website turnbackhoax.id. The topic modeling techniques used are LDA and SBERT, with LDA employing two text representation techniques, Bag of Words (BoW) and Term Frequency-Inverse Document Frequency (TF-IDF). The best model was determined based on model evaluation, with SBERT achieving a coherence value of 0.649. A total of eight topics were identified, which are as follows: Topic 1: Fake Video Content About the Indonesian Presidential Candidate (919 articles), Topic 2: Fake Social Media Accounts Impersonating the Government (97 articles), Topic 3: Manipulation of Facts and Fake Photos Related to Specific Accounts (86 articles), Topic 4: Speak Bola World Cup (44 articles), Topic 5: Facebook Contains Many Hoax Articles About the Indonesian Government (37 articles), Topic 6: Diseases and Their Causes (31 articles), Topic 7: Hoax News Often Contain Videos and Image Fragments (29 articles), and Topic 8: COVID-19 Vaccines (26 articles).

Kata Kunci : pemodelan topik, Latent Dirichlet Allocation (LDA), Bidirectional Encoder Representation from Transformer (BERT), berita hoax, sentence embedding