<![CDATA[Kota Malang, dengan populasi sekitar 874.890 jiwa dan luas wilayah 145,28 km², menghadapi berbagai isu sosial dan kebijakan yang berdampak pada kehidupan sehari-hari penduduknya. Respons masyarakat terhadap perkembangan kota ini seringkali terlihat dalam komentar di media sosial, termasuk platform Twitter yang memiliki jumlah pengguna 57,5 persen dari seluruh jumlah penduduk di Indonesia. Penelitian ini menggunakan pemodelan topik, khususnya metode Latent Dirichlet Allocation (LDA), untuk menganalisis komentar masyarakat terhadap Pemerintah Kota Malang di Twitter. Fokus utama adalah untuk mengidentifikasi topik-topik utama dalam komentar masyarakat dan mengevaluasi pengaruh penggunaan Stemming terhadap hasil model. Stemming adalah proses mengembalikan kata imbuhan ke bentuk dasar. Hasil penelitian menunjukkan bahwa model dengan parameter terbaik jumlah topik 9, nilai alpha 0,1, dan beta 0,1 menghasilkan nilai perplexity -9.375791364697399, coherence score 0,4222382938590404, dan hasil topik yang didapatkan yaitu banjir Malang, hukum Malang, wisata Malang, proyek pemerintah, tragedi Kanjuruhan, sistem sehat, rencana pemerintah, dana alokasi, dan inovasi produk. Analisis menunjukkan bahwa model tanpa Stemming memiliki nilai perplexity lebih rendah -11.050451252315197 dan coherence score lebih tinggi 0.46301620765695733, menandakan efektivitas yang lebih baik dalam memprediksi data uji dan menghasilkan topik yang lebih koheren dibandingkan model dengan Stemming.]]>
Copyrights © 2024
