RANCANG BANGUN APLIKASI UNTUK MENGELOMPOKKAN TOPIK TWEET DARI TWITTER DENGAN MENGGUNAKAN PEMODELAN AUTHOR-TOPIC MODEL (STUDI KASUS: AKUN TWITTER POLITISI INDONESIA)

NAFIS, MUHAMMAD RIFQI (2021) RANCANG BANGUN APLIKASI UNTUK MENGELOMPOKKAN TOPIK TWEET DARI TWITTER DENGAN MENGGUNAKAN PEMODELAN AUTHOR-TOPIC MODEL (STUDI KASUS: AKUN TWITTER POLITISI INDONESIA). Undergraduate thesis, UPN"VETERAN" JATIM.

Preview	Text (COVER) Cover.PDF Download (860kB) | Preview
Preview	Text (BAB 1) 1.PDF Download (16kB) | Preview
	Text (BAB 2) 2.PDF Restricted to Repository staff only Download (521kB)
	Text (BAB 3) 3.PDF Restricted to Repository staff only Download (648kB)
	Text (BAB 4) 4.PDF Restricted to Repository staff only Download (659kB)
Preview	Text (BAB 5) 5.PDF Download (8kB) | Preview
Preview	Text (DAFTAR PUSTAKA) Dapus.PDF Download (7kB) | Preview
	Text (LAMPIRAN) Lampiran.PDF Restricted to Repository staff only Download (145kB)

Abstract

Twitter merupakan sebuah platform untuk berhubungan satu sama lain agar tetap berkomunikasi dan tetap terhubung dengan mengirim pesan cepat dan daring. Pada Twitter juga dapat membuat tweet yang berisi foto, video, tautan, atau teks. Pada aplikasi Twitter pengguna cenderung lebih mengutarakan isi hati yang sebenarnya dibandingkan dengan platform media sosial lainnya. Pada tahun 2020 ini telah terjadi wabah atau pandemi Covid-19 dan pada akhir tahun bulan Desember akan diselenggarakan pilkada serentak seluruh Indonesia. Dari hal tersebut dibutuhkannya sebuah platform yang mampu memberikan informasi visual terhadap aktivitas politisi dalam hal mengutarakan isi hatinya di media sosial Twitter dengan melakukan topic modelling terhadap aktivitas politisi tersebut ketika membuat sebuah tulisan atau tweet menggunakan metode Author-Topic Models. Penelitian ini dikhususkan untuk menganalisa data tweet akun Twitter politisi di Indonesia, proses pengambilan data dilakukan dengan cara crawling data pada user timeline aplikasi Twitter. Setelah data didapatkan kemudian akan dianalisa dengan menggunakan Author-Topic Models dan dilakukan visualisasi terhadap topik pembahasan berdasarkan tweet yang telah dibuat oleh masingmasing akun Twitter politisi. Melalui proses topic modelling, telah didapatkan hasil terbaik berupa 3 topik. Model 3 topik tersebut dikatakan terbaik karena memiliki nilai perplexity terendah diantara jumlah topik lain yang diuji. 3 topik yang terbentuk dianalisis dan diterjemahkan ke dalam label kategori, yaitu “Rakyat Tolak RUU Cipta Kerja”, “Ucapan Syukur saat Pandemi”, “Kondisi Ekonomi saat Pandemi” dengan jumlah data tweet yang digunakan adalah 24846 data tweet dari 36 akun Twitter politisi. Kata kunci: Twitter, Tweet, Politisi, Topic Modelling, Author-Topic Models

Item Type:	Thesis (Undergraduate)
Contributors:	Contribution Contributors NIDN/NIDK Email Thesis advisor PARLIKA, RIZKY NIDN0718058401 UNSPECIFIED
Subjects:	Q Science > QA Mathematics > QA76.6 Computer Programming
Divisions:	Faculty of Computer Science > Departemen of Informatics
Depositing User:	Mujari Mujari
Date Deposited:	28 Jun 2021 02:31
Last Modified:	28 Jun 2021 02:32
URI:	http://repository.upnjatim.ac.id/id/eprint/2104

Actions (login required)

View Item