Penerapan Metode Doc-P untuk Deteksi Trending Topik Pemilihan Presiden Pada Twitter

Authors

  • Rizky Fajarudin Universitas Budi Luhur
  • Indra Indra Universitas Budi Luhur

DOI:

https://doi.org/10.36080/kresna.v3i2.92

Keywords:

Text Mining, Metode Doc-p, LSH, Cosine similarity, TF-IDF, Pre-Processing, Twitter

Abstract

Dalam era digitalisasi yang pesat dan perkembangan teknologi informasi, media sosial telah menjadi sumber utama informasi, termasuk mengenai pemilihan calon presiden di Indonesia. Platform seperti Twitter khususnya menjadi wadah bagi orang-orang untuk berbagi pandangan, opini, dan informasi secara real-time mengenai calon presiden, partai politik, dan isu terkait. Namun, melimpahnya informasi di media sosial, terutama dalam bentuk tweet di Twitter, menciptakan kesulitan bagi masyarakat dalam mengenali calon presiden yang tengah menjadi tren. Menemukan topik yang sedang populer menjadi tantangan penting dalam analisis data media sosial. Untuk mengatasi hal ini, penelitian ini memperkenalkan metode Doc-p yang menggunakan klasterisasi LSH (Locality Sensitive Hashing), cosine similarity, dan TF-IDF (Term Frequency-Inverse Document Frequency) untuk mengidentifikasi topik yang sedang trend di Twitter. Isu utama yang diatasi adalah kesulitan dalam mendeteksi secara manual topik tweet yang sedang populer terkait calon presiden. Tujuan dari penelitian ini adalah memudahkan masyarakat dalam mengenali calon presiden yang paling banyak dibicarakan di Twitter, sehingga membantu mereka menemukan tweet yang sedang viral tentang calon presiden. Teknik text mining digunakan dalam penelitian ini, dengan metode Doc-P sebagai salah satu komponennya. Berdasarkan penelitian, hasil klasterisasi tertinggi diperoleh dengan skor 98.0 untuk klaster 0. Secara keseluruhan, penelitian ini berhasil mengatasi tantangan dalam mengenali topik yang sedang tren terkait pemilihan presiden di Twitter. Dengan menerapkan metode Doc-p dan teknik text mining, tujuan penelitian ini adalah mendukung masyarakat dalam dengan mudah mengidentifikasi dan memahami calon presiden yang paling banyak dibicarakan melalui tweet yang sedang populer di media sosial.

Downloads

Download data is not yet available.

References

P. Ariwibowo, “Deteksi Trending Topik Terkait Covid-19 Pada Tweet Bahasa Indonesia Menggunakan Metode Maximum Capturing,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA) Jakarta-Indonesia, Oct. 2021.

A. N. Assidyk, E. B. Setiawan, S. Si, I. Kurniawan, S. Pd, and M. Si, “Analisis Perbandingan Pembobotan TF-IDF dan TF-RF pada Trending Topic di Twitter dengan Menggunakan Klasifikasi K-Nearest Neighbor,” Aug. 2020.

R. Rafif, E. B. Setiawan, and I. Kurniawan, “Analisis dan implemenasi algoritma C4.5 dan pembobotan TF-IDF untuk menentukan trending topik pada media sosial twitter,” Aug. 2020.

A. Karami, M. Lundy, F. Webb, and Y. K. Dwivedi, “Twitter and Research: A Systematic Literature Review through Text Mining,” IEEE Access, vol. 8, pp. 67698–67717, 2020, doi: 10.1109/ACCESS.2020.2983656.

Indra, E. Winarko, and R. Pulungan, “Trending topics detection of Indonesian tweets using BN-grams and Doc-p,” Journal of King Saud University - Computer and Information Sciences, vol. 31, no. 2, pp. 266–274, Apr. 2019, doi: 10.1016/j.jksuci.2018.01.005.

A. Futuhul Hadi, D. C. Bagus W, M. Hasan, J. Matematika, F. Matematika dan Ilmu Pengetahuan Alam, and U. Jember Jln Kalimantan, “Seminar Nasional Matematika dan Aplikasinya, 21 Oktober 2017 Surabaya,” 2017.

L. M. Aiello et al., “Sensing trending topics in twitter,” IEEE Trans Multimedia, vol. 15, no. 6, pp. 1268–1282, 2013, doi: 10.1109/TMM.2013.2265080.

M. Pramadani, R. Putra, K. Rizky, and N. Wardani, “Penerapan Text Mining Dalam Menganalisis Kepribadian Pengguna Media Sosial,” JUTIM (Jurnal Teknik Informatika Musirawas), vol. 05, Jun. 2020.

F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” Jurnal Sains dan Informatika, vol. 7, no. 2, pp. 155–164, Dec. 2021, doi: 10.34128/jsi.v7i2.331.

A. Pramana and T. #1, “Text Mining Literature Review on Indonesian Social Media,” JEPIN (Jurnal Edukasi dan Penelitian Informatika) , vol. 7, Aug. 2021.

S. S. Ritonga1, E. B. Setiawan, and I. Kurniawan, “Analisis Trending Topik Pada Twitter menggunakan Metode Naive Bayes dengan Pembobotan TF-IDF,” Apr. 2020.

L. Cahyani, Aplikasi Text Mining Di Bidang Pendidikan. 2023. Accessed: Jun. 09, 2023. [Online]. Available: Aplikasi Text Mining Di Bidang Pendidikan. (2023). (n.p.): CV Literasi Nusantara Abadi.

S. Suhartini and B. Prasetya Adhi, “Pemetaan Riset Tentang Deteksi Topik Pada Twitter Dengan Teknik Systematic Literature Review,” Jun. 2021, doi: doi.org.10.21009.

F. N. Hikmah, S. Basuki, and Y. Azhar, “Deteksi Topik Tentang Tokoh Publik Politik Menggunakan Latent Dirichlet Allocation,” REPOSITOR, vol. 2, no. 4, pp. 415–426, 2020, [Online]. Available: https://t.co/4lHGsbrnIK

Downloads

Published

30-11-2023

How to Cite

Rizky Fajarudin, & Indra Indra. (2023). Penerapan Metode Doc-P untuk Deteksi Trending Topik Pemilihan Presiden Pada Twitter. KRESNA: Jurnal Riset Dan Pengabdian Masyarakat, 3(2), 156–165. https://doi.org/10.36080/kresna.v3i2.92