<![CDATA[Penelitian ini membahas penerapan metode Latent Dirichlet Allocation (LDA) untuk pemodelan topik berita terkini di Indonesia. Data dikumpulkan melalui RSS feed dari beberapa portal berita nasional seperti Detik, Kompas, Tribunnews, Liputan6, Tempo, CNN Indonesia, dan Antara News. Proses penelitian meliputi tahapan pengambilan data, pembersihan dan preprocessing teks, eksplorasi awal frekuensi kata, penyusunan representasi korpus, pemodelan topik LDA, visualisasi interaktif dengan pyLDAvis, serta evaluasi model menggunakan metrik coherence score. Hasil analisis menunjukkan model LDA dengan lima topik memberikan distribusi kata kunci yang relevan dengan isu-isu utama seperti bencana, politik, demonstrasi, korupsi, dan kriminal. Nilai coherence score sebesar 0,3591 mengindikasikan tingkat koherensi cukup baik, meskipun terdapat ruang optimasi melalui penyesuaian parameter. Visualisasi interaktif menunjukkan keterpisahan topik yang memadai, dengan tumpang tindih yang relatif kecil. Temuan ini memperlihatkan bahwa LDA efektif untuk mengidentifikasi topik dominan dalam berita nasional, sehingga dapat dimanfaatkan untuk analisis tren isu publik, pengelompokan konten media, serta mendukung pengambilan keputusan berbasis data.]]>
Copyrights © 2026
