Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pemodelan Topik Ulasan Tidak Terstruktur TikTok Shop Seller Center Menggunakan LDA dan BERTopic Berbasis Coherence Score Salsabila Savitri; Nur Cahyo Hendro Wibowo; Maya Rini Handayani
JURIKOM (Jurnal Riset Komputer) Vol. 13 No. 5 (2026): Oktober 2026
Publisher : Universitas Budi Darma

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.30865/jurikom.v15i5.10101

Abstract

Ulasan aplikasi social commerce di Google Play Store merupakan teks tidak terstruktur yang sulit dianalisis secara manual. Penelitian ini memodelkan topik ulasan aplikasi TikTok Shop Seller Center dengan Latent Dirichlet Allocation (LDA) dan BERTopic, lalu membandingkannya dengan tiga ukuran coherence score, yaitu C_V, UMass, dan C_NPMI. Kontribusi penelitian ini adalah perbandingan kedua metode dengan kriteria pemilihan parameter, data masukan, dan prosedur evaluasi yang sama. Sebanyak 2.480 ulasan diambil dengan google-play-scraper pada 14 Juli 2026 (tanggal ulasan 13 Juni 2022 sampai 13 Juli 2026). Setelah case folding, cleaning, tokenisasi, penghapusan stopword, dan stemming dengan Sastrawi, tersisa 2.234 dokumen. Pencarian jumlah topik LDA pada k = 2 sampai 15 memilih k = 3 dengan C_V 0,6107, sedangkan pengujian min_cluster_size BERTopic pada 10, 15, 20, 25, dan 30 memilih nilai 15 dengan lima topik dan C_V 0,6011. Pada evaluasi akhir dengan 10 kata teratas per topik, LDA memperoleh C_V 0,6107, UMass -2,0906, dan C_NPMI 0,0133, sedangkan BERTopic memperoleh 0,6011, -4,1687, dan 0,0040. LDA lebih tinggi pada ketiga ukuran, tetapi selisih C_V dan C_NPMI kecil, sedangkan selisih UMass lebih jelas. Topik yang muncul berkaitan dengan jual-beli dan pengelolaan toko, pesanan, pengiriman, potongan biaya, serta akun dan kemudahan penggunaan. Interpretasi topik belum divalidasi oleh pakar atau penilai manusia dan perlu dilakukan pada penelitian selanjutnya.