@phdthesis{universitasamikomyogyakarta29681,
           month = {February},
          school = {Universitas AMIKOM Yogyakarta},
           title = {PEMODELAN TOPIK MELALUI MEDIA X MENGGUNAKAN APACHE SPARK (STUDI KASUS COVID-19 DI INDONESIA TAHUN 2020-2022)},
            year = {2025},
          author = {Hanif Tofa Darussalam},
        keywords = {Latent Dirichlet Allocation, Pemodelan Topik, Skor Koherensi, COVID-19, Perplexity},
             url = {https://eprints.amikom.ac.id/id/eprint/29681/},
        abstract = {Pandemi COVID-19 yang terjadi di Indonesia selama periode 2020?2022
telah mendorong berbagai diskusi serta pertukaran opini di media sosial, termasuk
Media X. Platform ini menghasilkan data dalam jumlah besar dan bersifat tidak
terstruktur, sehingga dibutuhkan metode yang efektif untuk menganalisis serta
mengidentifikasi pola topik yang muncul. Penelitian ini berfokus pada pemodelan
topik dari data Media X dengan memanfaatkan Apache Spark sebagai kerangka
kerja pemrosesan big data. 
Metode yang digunakan dalam penelitian ini adalah Latent Dirichlet
Allocation (LDA), yang diterapkan dalam lingkungan Apache Spark untuk
menangani data dalam jumlah besar secara paralel dan terdistribusi. Proses
analisis meliputi pengumpulan data, penyimpanan data, pra-pemrosesan data,
vektorisasi teks, pemodelan topik, evaluasi dan visualisasi. 
Hasil penelitian menunjukkan bahwa metode ini mampu mengidentifikasi
topik-topik utama yang berkembang selama pandemi COVID-19 di Indonesia,
seperti kesehatan, vaksinasi, kebijakan pemerintah, serta persepsi masyarakat
terhadap pandemi. Sebanyak 10 topik ditentukan untuk dianalisis dalam penelitian
ini. Model dievaluasi menggunakan dua metrik utama, yaitu perplexity dan
coherence score, dengan hasil masing-masing 5.5987700238050815 dan
0.6061784364959958. Hasil ini menunjukkan bahwa coherence score lebih
relevan dalam menilai kualitas topik yang dihasilkan, karena memberikan
gambaran yang lebih jelas tentang keterkaitan dan kebermaknaan kata-kata dalam
setiap topik dibandingkan perplexity.}
}