Pemodelan Topik Terkait Banjir Pada Twittter Dengan Menggunakan Latent Dirichlet Allocation

Latar Belakang : Pada latar belakang ini membahas mengenai topik dari tweet yang mengenai Banjir pada Twitter dengan menggunakan kata kunci “Banjir”. Data tweet diambil dari rentang tanggal 1 Juni 2021 sampai dengan tanggal 2 Juni
2021 dengan jumlah data tweet yang diperoleh yaitu sebanyak 2000 tweet. Banyaknya tweet yang terkait dengan dengan banjir yang belum dilakukan analisis sehingga belum diketahui topik-topik yang terkandung di dalamnya.
Tujuan Penelitian : Membuat pemodelan topik terkait banjir di wilayah Indonesia pada nedia sosial Twitter dengan metode LDA.
Metode Penelitian : Penelitian ini menggunakan metode eksperimen dengan beberapa variabel untuk menguji hipotesis. Kemudian data diolah dengan tahap yaitu web data extraction, preprocessing, feature extraction, topic modelling menggunakan algoritma latent dirichlet allocation, visualisasi, dan analisis.
Hasil Penelitian : Hasil tahap topic coherence dilakukan pencarian topik yang paling optimal dari 20 topik yang sudah di tentukan diawal. Hasil topic coherence untuk 20 topik disimpulkan bahwa untuk topik 10 memiliki jumlah nilai topik
sebesar 0,41 dan memiliki hasil topic modelling yang ideal dan sesuai dengan ketentuan.
Kesimpulan : Berdasarkan dari hasil pembahasan topic coherence, dapat disimpulkan bahwa jumlah topik yang paling ideal adalah topik 10 dikarenakan memiliki nilai yang paling tinggi dibanding topik lainnya. Saran disini adalah dapat menampilkan atau mendapatkan informasi banjir di Indonesia secara realtime dan akurat.