Analisis Topik Informasi Publik Media Sosial di Surabaya Menggunakan Pemodelan Latent Dirichlet Allocation (LDA)

Abstract

Radio Suara Surabaya mengembangkan siaran interaktif berbasis jurnalistik masyarakat, dimana gagasan ini melibatkan partisipasi warga dalam melaporkan peristiwa kepada penyiar radio yang sedang bertugas. Laporan masyarakat yang masuk kemudian disebarluaskan kembali baik melalui siaran radio maupun media social untuk memberikan informasi kepada masyarakat.Tingginya jumlah laporan perhari yang masuk melalui media social dan beragamnya topik dari laporan tersebut menimbulkan kesulitan dalam mengidentifikasi suatu topik dari kumpulan laporan media social masyarakat dan menghabiskan banyak waktu jika dilakukan secara manual oleh manusia.Dengan kondisi demikian, dibutuhkan suatu pemodelan topik yang mampu secara otomatis mengklasifikasikan pesan media social ke dalam topik-topik yang muncul dari hasil pemodelan. Pemodelan topik dilakukan dengan metode Latent Dirichlet Allocation (LDA), sebuah metode text mining untuk menemukan pola tertentu pada sebuah dokumen dengan menghasilkan beberapa macam topik yang berbeda. Eksperimen pemodelan topic dengan metode LDA menyimpulkan bahwa jumlah topik yang terdapat dalam pesan media social adalah 4 topik. Hasil eksperimen ini telah diuji secara mesin dan diuji kemudahannya untuk diinterpretasi oleh manusia melalui uji koherensi topik. Kesimpulan dari uji koherensi topik menyatakan bahwa model yang dihasilkan dengan metode LDA pada studi kasus ini dapat diinterpretasi manusia dengan baik.