Topic Analysis Video Debat Jelang Pemilu Presiden dan Wakil Presiden Tahun 2024
DOI:
https://doi.org/10.21063/jtif.2024.V12.1.29-35Kata Kunci:
Topic Modelling, Latent Dirichlet Allocation, K-MeansAbstrak
Mendekati pemilihan umum presiden (PEMILU) pada tahun 2024 banyak diadakan debat calon presiden dan wakil presiden sebagai sarana menyampaikan gagasan-gagasan. Untuk dapat menemukan topik dari gagasan-gagasan yang ada dalam debat bakal calon presiden dan wakil presiden yang ditayangkan dalam video debat, penelitian ini melakukan topic analisis terhadap video debat calon presiden dan wakil presiden dengan menggunakan metode Latent Dirichlet Allocation (LDA) dan K-means Clustering, untuk masing-masing pasangan calon: A (Anies-Muhaimin), B (Prabowo-Gibran)), dan C (Ganjar-Mahfud). Hasilnya dengan menggunakan K-Means Clustering topik yang didapatkan lebih banyak, beragam, dan lebih merata topiknya untuk setiap paslon. Sedangkan topik LDA mendapatkan topik lebih sedikit dan lebih berhasil mendapatkan topik untuk paslon A. Berdasarkan standar yang telah dibuat, efektivitas pencarian topik berbeda-beda keberhasilannya disetiap dataset. Pada dataset 1 dengan model LDA didapati gagasan pasangan calon untuk paslon A 60%, B 25%, dan C 0%. Pada dataset 2 dengan model K-Means didapati gagasan pasangan calon untuk paslon A 37.04%, B 25%, dan C 17.24%. Pada dataset 2 dengan model LDA didapati gagasan pasangan calon untuk paslon A 100%, B 40%, dan C 0%. Pada dataset 2 dengan model K-Means didapati gagasan pasangan calon untuk paslon A 35.71%, B 14.29%, dan C 28.57%.
Referensi
Zulhanif, Sudartianto, B. Tantular dan I. G. N. M. Jaya, “Aplikasi Latent Dirichlet Allocation (LDA) Pada Clustering Data Teks,” Jurnal Logika, vol. 7, no. 1, pp. 46-51, 2017.
W. Fuadi, A. Razi og D. Fariadi, «Automasi Penentuan Tren Topik Skripsi Menggunakan Algoritma K-Means Clustering,» Serambi Engineering, vol. 7, nr. 2, pp. 3072-3077, 2022.
G. H. Setiawan, I. M. B. Adnyana, I. G. R. A. Sugiartha dan K. Budiarta, “Ekstraksi Topik Pada Aduan Mahasiswa Dengan Pendeketan Model Latent Dirichlet Allocation (LDA),” dalam Seminar Nasional Penelitian dan Pengabdian Kepada Masyarakat CORISINDO, Bali, 2023.
U. T. Setijohatmo, S. Rachmat, T. Susilawati dan Y. Rahman, “Analisis Metoda Latent Dirichlet Allocation untuk Klasifikasi Dokumen Laporan Tugas Akhir Berdasarkan Pemodelan Topik,” dalam Prosiding 11th Industrial Research Workshop and National Seminar (IRWNS), Bandung, 2020.
B. A. Tondang, M. R. Fadhil, M. N. Perdana, A. Fauzi dan U. S. Janitra, “Analisis Pemodelan Topik Ulasan Aplikasi BNI, BCA, dan BRI Menggunakan Latent Dirichlet Allocation,” INFOTECH: Jurnal Informatika & Teknologi, vol. 4, no. 1, pp. 114-127, 2023.
Y. Matira, Junaidi dan I. Setiawan, “Pemodelan Topik pada Judul Berita Online Detikcom Menggunakan Latent Dirichlet Allocation,” ESTIMASI: Journal of Statistics and Its Application, vol. 4, no. 1, pp. 53-63, 2023.
V. F. Rusdhi dan I. Sari, “Identifikasi Topik Artikel Berita Menggunakan Topic Modelling dengan Latent Dirichlet Allocation,” Jurnal Ilmiah Informatika Komputer, vol. 27, no. 2, pp. 169-176, 2022.
M. S. Hudin, M. A. Fauzi dan S. Adinugroho, “Implementasi Metode Text Mining dan K-Means Clustering untuk Pengelompokan Dokumen Skripsi (Studi Kasus: Universitas Brawijaya),” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, vol. 2, no. 11, pp. 5518-5524, 2018.
R. Siringoringo, J. Jamaluddin dan R. Perangin-Angin, “Pemodelan Topik Berita Menggunakan Latent Dirichlet Allocation dan K-Means Clustering,” Jurnal Informatika Kaputama (JIK), vol. 4, no. 2, pp. 216-222, 2020.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Ivana Valentina, Aziz Mu’min, Devion Tanrico, Oscar Karnalim
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Jurnal ini dilisensikan berdasarkan Lisensi Internasional Creative Commons Attribution-ShareAlike 4.0 International License (CC BY-SA 4.0).
Penulis memegang hak cipta dan memberikan jurnal hak penerbitan pertama.
Karya tersebut dapat dibagikan dan diadaptasi, bahkan untuk tujuan komersial, selama penghargaan yang sesuai diberikan dan setiap kreasi baru dilisensikan dengan ketentuan yang sama.
