Analisis Topik Informasi Publik Media Sosial di Surabaya Menggunakan Pemodelan Latent Dirichlet Allocation (LDA)

Radio Suara Surabaya sebagai salah satu radio di Kota Surabaya merupakan radio yang menerapkan format "radio News" dan informasi, dimana informasi yang sering di sampaikan antara lain kondisi lalu lintas, keamanan, dan seputar Kota Surabaya. Radio Suara Surabaya mengembangkan siaran interaktif berbasis jurnalistik masyarakat, dimana agasan ini melibatkan partisipasi warga dalam melaporkan peristiwa kepada penyiar radio yang sedang bertugas. Laporan masyarakat yang masuk kemudian disebarluaskan kembali baik oleh penyiar melalui siaran radio maupun oleh gatekeeper melalui media sosial yang dimiliki Radio Suara Surabaya, baik twitter dan Facebook untuk memberikan informasi kepada masyarakat. Tingginya jumlah laporan perhari yang masuk melalui media sosial dan beragamnya topik dari laporan tersebut menimbulkan kesulitan dalam mengidentifikasi suatu topik dari kumpulan laporan media sosial masyarakat dan menghabiskan banyak waktu jika dilakukan secara manual oleh manusia. Padahal, kumpulan laporan tersebut merupakan sumber data yang sangat berpotensi untuk memberikan informasi apa yang terjadi di Kota Surabaya. Dengan kondisi demikian, dibutuhkan suatu pemodelan topik yang mampu secara otomatis mengklasifikasikan pesan media sosial ke dalam topik-topik yang muncul dari hasil pemodelan. Pemodelan topik dilakukan dengan metode Latent Dirichlet Allocation (LDA), sebuah metode text mining untuk menemukan pola tertentu pada sebuah dokumen dengan menghasilkan beberapa macam topik yang berbeda. Eksperimen pemodelan topik dengan metode LDA menyimpulkan bahwa jumlah topik yang terdapat dalam pesan media sosial adalah 4 topik. Hasil eksperimen ini telah diuji secara mesin dengan nilai perplexity terbaik sebesar 213.41 dan diuji kemudahannya untuk diinterpretasi oleh manusia melalui uji koherensi topik yang terdiri dari Word Intrusion task dan Topic Intrusion Task. Kesimpulan dari uji koherensi topik menyatakan bahwa model yang dihasilkan dengan metode LDA pada studi kasus ini dapat diinterpretasi manusia dengan baik. ======================================================================================================================== Radio Suara Surabaya as a radio in Surabaya is a radio that applies the format of "Radio News" and information, where information is often conveyed such as tr affic conditions, security, and things related to Surabaya. Radio Suara Surabaya is developing an interactive broadcast based on comm unity journalism, where it involves citizen participation in reporting events to radio broadcasters on duty. Incoming community reports are then disseminated both by broadcasters via radio broadcasts and by gatekeepers through social media owned by Radio S uara Surabaya, both twitter and Facebook to provide information to the public. The high number of reports per day coming through social media and the diverse topics of the report make it difficult to identify a topic from a collection of social media repor ts and spend a lot of time manually done by humans. In fact, the collection of reports is a source of data that has the potential to provide information what is happening in the city of Surabaya. Under such conditions, a topic modeling is required that aut omatically classifies social media messages into topics arising from the modeling results. Topic modeling is done by the Latent Dirichlet Allocation (LDA) method, a text mining method to find a xiv particular pattern on a document by generating several differe nt topics. Topic modeling experiment with LDA method concludes that the number of topics contained in the message of social media is four topics. The results of this experiment have been tested mechanically with the best perplexity value of 213.41 and test ed the ease to be interpreted by humans through the topic coherence test consisting of Word Intrusion task and Topic Intrusion Task. The conclusion of the topic coherence test states that the model produced by the LDA method in this case study can be inter preted human wel