Indonesia's News Topic Discussion about Covid-19 Outbreak using Latent Dirichlet Allocation

Afidh, Razief Perucha Fauzie; Hasibuan, Zainal A.

doi:10.1109/icic50835.2020.9288596

Cited by 5 publications

(2 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…N-Gram dapat pula digunakan untuk membantu pemodelan teks. Sebagaimana yang dilakukan oleh [16] dalam memodelkan topik pada data teks untuk mengetahui diskusi terkait Covid-19. Contoh n-gram pada dataset RMOL.id dan BeritaSatu.com dapat dilihat pada gambar 6 dibawah ini.…”

Section: N-gramunclassified

Pemodelan Topik Menggunakan n-Gram dan Non-negative Matrix Factorization

Afidh,

Syahrial

2023

jidt

View full text Add to dashboard Cite

Pemodelan topik merupakan teknik pembelajaran mesin yang digunakan untuk melihat topik dalam sekumpulan dokumen teks. Pada penelitian ini pemodelan topik yang digunakan adalah Non-Negative Matrix Factorization (NMF) dengan n-gram. Preprocessing seperti penghilangan tanda baca, angka dan stopword diimplementasikan pada penelitian ini. Proses ini dilakukan dengan terlebih dahulu mengubah kata yang terdapat dalam artikel menjadi kata berhuruf kecil. Penelitian ini juga mengeksplorasi keefektifan penerapan unigram, bigram, dan trigram pada pemodelan topik. Pada penelitian ini juga menggunakan coherence value untuk menentukan jumlah topik terbaik yang dapat dibentuk. Data yang digunakan pada penelitian ini berjumlah 53.920 artikel berita yang bersumber dari portal berita RMOL.id dan BeritaSatu.com untuk periode Juli sampai Desember 2022. Visualisasi t-SNE digunakan untuk melihat distribusi pembentukan topik. Berdasarkan hasil penelitian yang dilakukan diperoleh bahwa jumlah topik yang dapat dibentuk dari RMOL.id untuk unigram adalah 15 topik dengan nilai coherence value 0.812748, bigram adalah 10 topik dengan nilai coherence value 0.835738 dan trigram adalah 7 topik dengan nilai coherence value 0.830572. Sedangkan pada BeritaSatu.com diperoleh 10 topik untuk unigram dengan nilai coherence value 0.799718, bigram 15 topik dengan nilai coherence value 0.788762 dan trigram 15 topik dengan nilai coherence value 0.801935.

show abstract

Section: N-gramunclassified

Pemodelan Topik Menggunakan n-Gram dan Non-negative Matrix Factorization

Afidh,

Syahrial

2023

jidt

View full text Add to dashboard Cite

show abstract

“…It is interesting to note here that LDA algorithm is used for modeling topics in text, video, and image [16]. Regarding languages, LDA has been implemented in various languages, such as in Chinese [17] and Bahasa [18] [19]. In addition, a more advanced technique for topic modeling in a multi-language environment has been proposed by Zosa and Granroth-Wilding [20].…”

Section: Text Miningmentioning

confidence: 99%

The Tweetology of New and Renewable Energy in Indonesia

Yunita,

Telaumbanua,

Irawan

2023

Indonesian J. Comput. Cybern. Syst.

View full text Add to dashboard Cite

The amount of unstructured data is increasing annually, which is promising forgaining insights. Twitter, a platform producing unstructured data, is currently one of the mostpopular media platforms used for conducting research on a topic's trend. This study attempts toanalyze the topic of New and Renewable Energy (NRE) in Indonesia. The purpose of this studyis to gain insights into the NRE topic trend over the last ten years by modeling the topicsdiscussed on Twitter and examining the location distribution of users who post tweets about thetopic. Accordingly, this study employed descriptive analysis, geocoding analysis, and topicmodeling. The results of descriptive analysis show that the development of NRE has acceleratedin recent years, particularly in 2021. Geocoding analysis reveals that the distribution of peoplewho engage in NRE posting activities is dominated by DKI Jakarta province. Topic modelingyielding two topics that were discussed the most by Indonesians over a 10-year period. The twotopics are related to government policies that support the development of NRE and electricity,which is Indonesia's focus in NRE. This study highlights the importance of analyzing theTweetology of NRE.

show abstract

Artificial Intelligence in Natural Disaster: Data Crawling- and Text Mining-Based Literature Review

Ramadhan,

Yunita

2023

2023 Eighth International Conference on Informatics and Computing (ICIC)

View full text Add to dashboard Cite

Indonesia's News Topic Discussion about Covid-19 Outbreak using Latent Dirichlet Allocation

Cited by 5 publications

References 13 publications

Pemodelan Topik Menggunakan n-Gram dan Non-negative Matrix Factorization

Pemodelan Topik Menggunakan n-Gram dan Non-negative Matrix Factorization

The Tweetology of New and Renewable Energy in Indonesia

Artificial Intelligence in Natural Disaster: Data Crawling- and Text Mining-Based Literature Review

Contact Info

Product

Resources

About