Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penerapan K-Means Clustering dan Vektorisasi TF-IDF untuk Identifikasi dan Pemetaan Topik Publik Tweet Pendidikan UKT, COVID-19, dan Kereta Cepat Ardiansyah, Ferdy; Mupashal, Rafi; Mauludin, Dion; Fachriri, M. Rangga; Rosyani, Perani
AI dan SPK : Jurnal Artificial Intelligent dan Sistem Penunjang Keputusan Vol. 3 No. 2 (2025): Jurnal AI dan SPK : Jurnal Artificial Inteligent dan Sistem Penunjang Keputusan
Publisher : CV. Shofanah Media Berkah

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Media sosial Twitter menjadi salah satu sumber utama dalam penyampaian opini dan diskusi publik terhadap berbagai isu aktual. Tingginya volume data teks yang dihasilkan membuat analisis secara manual menjadi tidak efisien, sehingga diperlukan pendekatan otomatis berbasis text mining. Penelitian ini bertujuan untuk mengidentifikasi dan memetakan topik isu publik berdasarkan data tweet menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF) dan algoritma K-Means Clustering. Data yang digunakan berupa tweet berbahasa Indonesia yang berkaitan dengan tiga isu, yaitu Tweet Pendidikan UKT, COVID-19, dan Kereta Cepat. Tahapan penelitian meliputi pengumpulan data, prapemrosesan teks, vektorisasi menggunakan TF-IDF, serta pengelompokan data menggunakan K-Means. Hasil penelitian menunjukkan bahwa metode yang diterapkan mampu mengelompokkan tweet ke dalam beberapa klaster yang merepresentasikan topik pembahasan utama pada masing-masing isu. Pemetaan topik yang dihasilkan memberikan gambaran terstruktur mengenai fokus dan kecenderungan diskusi publik di Twitter. Dengan demikian, penelitian ini dapat menjadi dasar dalam analisis isu publik berbasis media sosial serta mendukung pengambilan keputusan berbasis data.