Fadla, Nail Anfasa
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Pemodelan Topik Aspirasi Masyarakat Menggunakan Metode Latent Dirichlet Allocation (LDA): Pemodelan Topik Aspirasi Masyarakat Menggunakan Metode Latent Dirichlet Allocation (LDA) Fadla, Nail Anfasa; Utari, Dina Tri
Emerging Statistics and Data Science Journal Vol. 4 No. 3 (2026): Emerging Statistics and Data Science Journal
Publisher : Statistics Department, Universitas Islam Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.20885/esds.vol4.iss.3.art04

Abstract

Meningkatnya jumlah aspirasi masyarakat berbentuk narasi tidak terstruktur yang diterima Dewan Perwakilan Daerah Republik Indonesia (DPD RI) menuntut metode analisis yang mampu menggali tema secara sistematis dan efisien. Penelitian ini bertujuan memetakan topik aspirasi masyarakat yang masuk ke anggota DPD RI daerah pemilihan D.I. Yogyakarta menggunakan Latent Dirichlet Allocation (LDA). Data sekunder berupa 486 dokumen aspirasi dari catatan reses dan forum dengar pendapat dipilih dengan purposive sampling. Data diproses melalui case folding, pembersihan teks, normalisasi, tokenisasi, penghapusan stopword (umum dan spesifik domain), stemming Nazief–Adriani, serta pruning kosakata, sehingga menghasilkan term-document matrix berukuran 486 × 397. Jumlah topik optimal ditentukan dengan menguji k = 3 hingga 10 berdasarkan perplexity dan coherence score (C_v). Nilai koherensi tertinggi diperoleh pada k = 5 (0,5321). Kelima topik diberi label melalui identifikasi kata penanda dan triangulasidengan dokumen representatif, yaitu pariwisata, budaya lokal dan ekonomi kreatif; akses dan layanan kesehatan; perlindungan anak dan perempuan; anggaran dan infrastruktur daerah; serta pertanian dan perdagangan. Sebanyak 296 dokumen (sekitar 61%) memiliki probabilitas topik dominan di atas 0,7, sedangkan 190 dokumen (sekitar 39%) berada di bawah ambang tersebut. Hal ini menunjukkan bahwa LDA cukup memadai untuk sebagian besar data, tetapi belum konsisten pada seluruh data. Penyebabnya antara lain aspirasi yang memuat lebih dari satu isu, bahasa tidak baku, kosakata umum yang muncul di banyak topik, dan teks yang pendek