<mods:mods version="3.3" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd" xmlns:mods="http://www.loc.gov/mods/v3" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><mods:titleInfo><mods:title>PEMETAAN ISU JUDI ONLINE DI INDONESIA MELALUI&#13;
PEMODELAN TOPIK MENGGUNAKAN LDA DAN NMF</mods:title></mods:titleInfo><mods:name type="personal"><mods:namePart type="given">Oktavianus</mods:namePart><mods:namePart type="family">Mario</mods:namePart><mods:role><mods:roleTerm type="text">author</mods:roleTerm></mods:role></mods:name><mods:abstract>Fenomena judi online di Indonesia menunjukkan peningkatan yang&#13;
signifikan dan banyak bermunculan promosi terselubung di ruang publik digital,&#13;
sehingga menimbulkan risiko sosial-ekonomi dan tantangan bagi upaya penegakan&#13;
kebijakan. Penelitian ini bertujuan memetakan isu terkait judi online pada komentar&#13;
publik YouTube dengan membandingkan dua pendekatan pemodelan topik: Latent&#13;
Dirichlet Allocation (LDA) dan Non-Negative Matrix Factorization (NMF). Data&#13;
dikumpulkan melalui YouTube Data API v3 pada rentang 30 Agustus 2023–7&#13;
Desember 2025 dan setelah validasi diperoleh 6.205 komentar top-level. Proses &#13;
analisis meliputi pra-pemrosesan teks (case folding, pembersihan URL/emoji, &#13;
normalisasi slang, tokenisasi, stopword removal, stemming, dan pembentukan&#13;
bigram), representasi BoW untuk LDA serta TF-IDF untuk NMF, pelatihan model&#13;
dengan variasi jumlah topik, dan evaluasi menggunakan metrik koherensi serta&#13;
inspeksi manual untuk interpretasi topik dan visualisasi temporal. Hasil&#13;
menunjukkan beberapa topik dominan seperti modus promosi (tautan/afiliator),&#13;
istilah permainan (slot, togel), mekanisme deposit/withdraw, peran influencer, dan&#13;
kritik publik terhadap dampak ekonomi; NMF cenderung menghasilkan topik yang&#13;
lebih mudah diinterpretasi sementara LDA efektif menangkap campuran topik&#13;
dalam komentar. Kontribusi penelitian meliputi pemetaan tematik isu judi online,&#13;
dataset terstruktur untuk penelitian lanjutan, serta rekomendasi bagi pembuat&#13;
kebijakan dan moderator platform untuk deteksi dan mitigasi konten. Rekomendasi&#13;
lanjutan mencakup penerapan teknik embedding berbasis transformer dan&#13;
perluasan sumber data lintas platform.</mods:abstract><mods:classification authority="lcc">000 Ilmu komputer, informasi dan pekerjaan umum</mods:classification><mods:classification authority="lcc">004 Pemrosesan data dan ilmu komputer</mods:classification><mods:classification authority="lcc">363 Masalah dan layanan, kesejahteraan sosial lainnya</mods:classification><mods:originInfo><mods:dateIssued encoding="iso8061">2026-02-18</mods:dateIssued></mods:originInfo><mods:originInfo><mods:publisher>Universitas AMIKOM Yogyakarta;Fakultas Ilmu Komputer</mods:publisher></mods:originInfo><mods:genre>Thesis</mods:genre></mods:mods>