{JALUR SCIENTIST} EVALUASI LDA DAN LSA UNTUK TOPIK MODELING TERKAIT BENCANA ALAM DI INDONESIA

Supiadin, Muhamad Gatot (2024) {JALUR SCIENTIST} EVALUASI LDA DAN LSA UNTUK TOPIK MODELING TERKAIT BENCANA ALAM DI INDONESIA. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (392kB)
	Text (ISI) ISI.pdf Restricted to Registered users only Download (815kB)

Abstract

Pemodelan Topik adalah sebuah metode untuk menganalisis topik, dokumen, dan artikel dalam Pemrosesan Bahasa Alami. Algoritma LDA (Latent Dirichlet Allocation) dan LSA (Latent Semantic Analysis) banyak digunakan dalam pemodelan topik. Penelitian ini berfokus pada analisis artikel yang berkaitan dengan bencana alam dalam bahasa Indonesia. Dataset untuk penelitian ini diperoleh melalui data scraping dari Google News, yang berfungsi sebagai wadah untuk beberapa artikel dan sumber berita online. Metode penelitian dibagi menjadi beberapa tahap: dataset scraping, preprocessing data, pemodelan topik dengan LDA dan LSA, visualisasi model, dan evaluasi model. Hasil penelitian menunjukkan bahwa kedua algoritma tersebut dapat menghasilkan topik pada dataset yang relevan dengan bencana alam di Indonesia seperti banjir, gempa bumi, longsor, tsunami dan lain sebagainya. Dari hasil evaluasi menggunakan Coherence Scores, didapatkan bahwa LDA memiliki performa yang lebih baik dibandingkan dengan LSA dilihat dari Coherence Scores dalam memodelkan topik-topik yang berkaitan dengan Bencana Alam di Indonesia. Hasil evaluasi berdasarkan Coherence Scores dalam memodelkan topik terkait Bencana Alam di Indonesia, dengan nilai coherence score sebesar 0.4715 untuk LDA dan 0.4467 untuk LSA.

Actions (login required)

View Item