PEMODELAN TOPIK TERKAIT VIRUS CORONA PADA TWITTER MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA)

Prasetiya Budi Rahman, - and Muhammad Habibi, S.Kom., M.Cs., - and Landung Sudarmana, S.T., M.Kom., - (2020) PEMODELAN TOPIK TERKAIT VIRUS CORONA PADA TWITTER MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA). Masters thesis, Universitas Jenderal Achmad Yani Yogyakarta.

[img] Text (JUDUL)
110875-PRAS Cover_Daftar revisi baru.pdf

Download (475kB)
[img] Text (INTISARI)
110875-PRAS Abstrak_Intisari revisi.pdf

Download (124kB)
[img] Text (BAB I)
110875-PRAS BAB 1.pdf

Download (14kB)
[img] Text (BAB II)
110875-PRAS BAB 2.pdf
Restricted to Repository staff only

Download (372kB)
[img] Text (BAB III)
110875-PRAS BAB 3.pdf

Download (354kB)
[img] Text (BAB IV)
110875-PRAS BAB 4.pdf

Download (1MB)
[img] Text (BAB V)
110875-PRAS BAB 5.pdf

Download (6kB)
[img] Text (DAFTAR PUSTAKA)
110875-PRAS Daftar Pustaka.pdf

Download (11kB)
[img] Text (LAMPIRAN)
110875-PRAS Lampiran revisi baru.pdf

Download (236kB)
Official URL: https://unjayalibrary.ac.id

Abstract

Munculnya virus corona yang pertama kali ditemukan di kota Wuhan, China yang diberi nama Corona Virus Disease dan diberi dengan kode COVID-19. Akibat merebaknya COVID-19 yang sudah menyebar ke beberapa negara di dunia sehingga banyak masyarakat yang mengutarakan pendapatnya melalui tweet di Twitter. banyaknya tweet yang terkait dengan penyakit COVID-19 yang belum dilakukan analisis sehingga belum diketahui topik-topik yang terkandung di dalamnya. Penelitian ini akan membahas mengenai topik dari tweet yang mengenai COVID-19 di Twitter dengan menggunakan kata kunci “wabah corona”. Data tweet diambil dari rentang tanggal 9 Januari 2020 sampai dengan tanggal 11 Mei 2020 dengan jumlah data tweet yang diperoleh yaitu sebanyak 13.670. Penelitian ini akan dilakukan dengan tahap yaitu web data extraction, preprocessing, feature extraction, topic modelling menggunakan algoritma latent dirichlet allocation, visualisasi, dan analisis. Berdasarkan hasil dari penelitian ini diperoleh hasil dari topic coherence dengan jumlah topik yang paling ideal adalah 13 topik. Dari 13 topik itu terdapat lima grup topik yaitu pada grup pertama membahas tentang kebijakan pemerintah selama pandemic COVID-19, grup kedua membahas tentang tips dalam mengatasi COVID-19, grup ketiga membahas mengenai dampak ekonomi dari pandemic COVID-19, grup keempat membahas tentang aktivitas pada bulan Ramadhan selama pandemic COVID-19, grup kelima membahas tentang kebutuhan pangan di dalam masa COVID-19. Dari kelima grup topik yang paling sering dibahas yaitu mengenai kebijakan pemerintah selama masa COVID-19.

Item Type: Thesis (Masters)
Uncontrolled Keywords: Corona Virus Disease, COVID-19, LDA, Topic Modelling, Text Mining, Latent Dirichlet Allocation
Subjects: Informatika dan Ilmu Komputer > IB Teori Komputasi dan Matematika
Divisions: Fakultas Teknik dan Teknologi Informasi > Prodi Informatika
Depositing User: Pustakawan Magang -
Date Deposited: 06 Dec 2021 08:19
Last Modified: 06 Dec 2021 08:19
URI: http://repository.unjaya.ac.id/id/eprint/3878

Actions (login required)

View Item View Item