Jully Sulistyowati, - and Agung Priyanto, - (2023) Topic Modelling Terkait Cryptocurreny Pada Platform Twitter Menggunakan Metode LDA (Latent Diriclhet Allocation). Masters thesis, Universitas Jenderal Achmad Yani Yogyakarta.
Judul_182012019_Jully Sulistyowati_Informatika.pdf
Download (390kB)
Abstrak_182102019_Jully Sulistyowati_Informatika.pdf
Download (12kB)
Bab 1_182102019_Jully Sulistyowati_Informatika.pdf
Download (19kB)
Bab 2_182102019_Jully Sulistyowati_Informatika.pdf
Restricted to Registered users only
Download (338kB)
Bab 3_182102019_Jully Sulistyowati_Informatika.pdf
Download (735kB)
BAB 4_182102019_Jully Sulistyowati_Informatika.pdf
Download (1MB)
BAB 5_182102019_Jully Sulistyowati_Informatika.pdf
Download (152kB)
Daftar Pustaka_182102019_Jully Sulistyowati_Informatika.pdf
Download (7kB)
Lampiran_182102019_Jully Sulistyowati_Informatika.pdf
Restricted to Registered users only
Download (254kB)
Cek Plagiarisme_182102019_Jully Sulistyowati_Informatika.pdf
Download (32kB)
Abstract
Latar Belakang: Cryptocurrency teknologi yang berbasis blockchain (tersimpan dalam berbagai server di dunia seperti sebuah buku besar yang tersebar) yang digunakan sebagai mata uang digital. Berbeda dengan mata uang konvensional, cryptocurrency dapat dipakai untuk transaksi virtual (berbasis internet). Cryptocurrency tidak tergantung oleh kegalisasi dan campur tangan dari pemerintah serta berdiri sendiri mengikuti fluktasi pasar dan perkembangan perekonomian global dunia. Cryptocurrency mengimplementasikan berbagai metode kriptografi yang melindungi seperti enkripsi kurva elips,public-private key pairs, dan fungsi hashing.
Tujuan: merancang sebuah sistem yang dapat melakukan analisis pemodelan topik menggunakan metode Latent Dirichlet Allocation pada grup Twetter terkait dengan topik Crytocurrency.
Metode Penelitian: penelitian ini mengalisis mengenai diskusi terkait data crypocurrency dari twitter menggunakan metode Latent Dirichlet Allocation (LDA)
Hasil: Hasil dari penelitian ini yaitu membuat pemodelan topik data komentar twitter yang berkaitan dengan cryptocurrency untuk dilakukan analisis dari hasil model topik yang diperoleh. Analisis topik tersebut dilakukan untuk mencari keterkaitan kata yang muncul pada suatu topik,
sehingga suatu kumpulan kata pada topik tersebut memiliki arti atau makna.
Kesimpulan: Aplikasi mampu melakukan proses tokenizing serta proses pengelompokan topik modelling sesuai dengan yang terdaftar dalam database aplikasi serta mampu menampilkan data hasil perhitungan nilai koherence dari metode LDA dalam bentuk tabel yang telah disortir secara descending untuk menentukan topik cryptocurrency yang paling dominan muncul dalam percakapandi media sosial twitter.
Item Type: | Thesis (Masters) |
---|---|
Subjects: | Q Science > QA Mathematics > QA75 Electronic computers. Computer science (Informatics) |
Divisions: | Faculty of Engineering, Science, Computer, and Mathematics > School of Electronics and Computer Science |
Depositing User: | Mrs Tiara DP |
Date Deposited: | 19 Jun 2024 07:42 |
Last Modified: | 19 Jun 2024 07:42 |
URI: | https:///id/eprint/2924 |