Pemodelan Topik Pada Media Sosial X (Twitter) Menggunakan Metode Latent Dirichlet Allocation (Lda)

Rahmat, Adnan Al-farizi (2024) Pemodelan Topik Pada Media Sosial X (Twitter) Menggunakan Metode Latent Dirichlet Allocation (Lda). Other thesis, Universitas Komputer Indonesia.

	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_COVER.pdf - Published Version Download (131kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_LEMBAR PENGESAHAN.pdf - Published Version Download (187kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_SURAT KETERANGAN PUBLIKASI.pdf - Published Version Download (131kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_SURAT PERNYATAAN ORISINALITAS.pdf - Published Version Download (134kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_KATA PENGANTAR.pdf - Published Version Download (127kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_DAFTAR ISI.pdf - Published Version Download (185kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_BAB 1.pdf - Published Version Download (283kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_BAB 2.pdf - Published Version Download (398kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_BAB 3.pdf - Published Version Restricted to Repository staff only Download (1MB) | Request a copy
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_BAB 4.pdf - Published Version Restricted to Repository staff only Download (497kB) | Request a copy
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_BAB 5.pdf - Published Version Download (115kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_DAFTAR PUSTAKA.pdf - Published Version Download (181kB)
	Text UNIKOM_ADNAN AL-FARIZI RAHMAT_LEMBAR KONTAK PENULIS DAN KONTRIBUTOR.pdf - Published Version Download (11kB)

Abstract

Dalam era digital saat ini, Twitter telah menjadi salah satu platform media sosial yang paling populer untuk berbagi informasi dan berkomunikasi. Namun, dengan jumlah tweet yang sangat besar yang dihasilkan setiap harinya, pengguna sering kali kesulitan untuk memahami topik-topik yang sedang dibahas dalam sekumpulan tweet terkait suatu kata kunci, dalam rentang waktu tertentu. Penelitian ini bertujuan untuk mengatasi masalah tersebut dengan menerapkan teknik data mining untuk mengidentifikasi topik utama dari kumpulan tweet yang relevan untuk membantu pengguna dalam mendapatkan topik yang mudah dipahami. Pendekatan yang digunakan dalam penelitian ini melibatkan penerapan Latent Dirichlet Allocation (LDA), sebuah algoritma pemodelan topik yang efektif dalam mengelompokkan teks ke dalam topik-topik tertentu berdasarkan kemiripan kata. Untuk meningkatkan akurasi dan interpretasi hasil, agregasi model topik dilakukan dengan bantuan Large Language Model (LLM) yang mampu memberikan interpretasi yang lebih mendalam terhadap topik-topik yang dihasilkan oleh LDA. Hasil penelitian menunjukkan bahwa kombinasi algoritma LDA dengan interpretasi LLM memberikan pemahaman yang lebih baik tentang topik-topik yang tersembunyi dalam sekumpulan tweet. Pengguna dapat dengan mudah mengetahui isu-isu utama yang sedang dibahas di Twitter, serta memahami konteks di balik setiap topik. Penelitian ini memberikan kontribusi penting dalam bidang analisis teks di media sosial, serta dapat digunakan sebagai alat bantu dalam pengembangan strategi konten yang lebih efektif.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Data Mining, Pemodelan Topik, Latent Dirichlet Allocation (LDA), Large Language Model (LLM), Twitter
Subjects:	000_COMPUTER SCIENCE, INFORMATION & GENERAL WORKS. > 005_Computer Programming, Programs & Data Q Science > QA Mathematics > QA76 Computer software
Divisions:	S1_SKRIPSI > FTIK_Teknik Informatika (01)
Depositing User:	Mia Mia Hayati Kosasih
Date Deposited:	13 Aug 2025 08:08
Last Modified:	13 Aug 2025 08:08
URI:	http://elibrary.unikom.ac.id/id/eprint/10749

Actions (login required)

View Item