Record Detail
Advanced Search
Text
Telkom University Opinion Topic Modeling on Twitter Using Latent Dirichlet Allocation During Covid-19 Pandemic
Pada era digital yang sedang berlangsung saat ini membuat perkembangan teknologi informasi berkembang pesat. Perkembangan teknologi informasi tersebut diikuti dengan berkembangnya sosial media, salah satu sosial media yang sedang naik daun adalah Twitter. Karena banyak pengguna Twitter di seluru dunia, maka Twitter menyimpan banyak sekali data yang bisa digunakan untuk sesuatu hal, salah satunya adalah menentukan kategori opini masyarakat tentang suatu perusahaan atau universitas, dalam penelitian ini lebih berfokus kepada kategori opini masyarakat tentang Universitas Telkom. Opini masyarakat tersebut dapat dikelompokkan atau dikategorisasi agar memudahkan dalam menentukan topik yang sedang dibahas. Menentukan opini secara manual akan memakan waktu yang lama dikarenakan banyaknya tweets yang ada. Maka dari itu harus ada metode lain untuk menentukan kategori opini masyarakat yang ada di Twitter. Salah satunya adalah metode Latent Dirichlet Allocation (LDA) dengan dataset tweets pengguna Twitter berbahasa Indonesia. Dengan metode tersebut, pengelompokkan tweets dalam skala besar lebih efisien. Dari modeling yang dibuat didapatkan hasil paling optimum dengan coherence score menggunakan metode c_umass sebesar -15.33029 dengan kombinasi jumlah topik 9, nilai alpha 0.31, dan nilai beta 0.01.
Availability
No copy data
Detail Information
Series Title |
-
|
---|---|
Call Number |
-
|
Publisher | JURNAL MEDIA INFORMATIKA BUDIDARMA : Indonesia., 2022 |
Collation |
006
|
Language |
English
|
ISBN/ISSN |
2614-5278
|
Classification |
NONE
|
Content Type |
-
|
Media Type |
-
|
---|---|
Carrier Type |
-
|
Edition |
-
|
Subject(s) | |
Specific Detail Info |
-
|
Statement of Responsibility |
-
|
Other Information
Accreditation |
-
|
---|
Other version/related
No other version available
File Attachment
Information
Web Online Public Access Catalog - Use the search options to find documents quickly