Topic modelling pada berita online untuk pencarian penyebab resesi dengan metode lda

INDONESIA:

Berita online telah menjadi teknologi informasi yang digunakan bebagai orang untuk memperoleh informasi utama dalam era digital ini Penggunaan berita online sebagai penyedia informasi semakin berkembang semasa pandemi. Setelah periode pandemi, banyak berita online yang menyampaikan permasalahan mengenai perekonomian yang akan tertimpa resesi. Peningkatan jumlah berita yang terkait kondisi ekonomi resesi setelah pandemi tanpa diketahui bahasannya hal ini dapat memperkeruh situasi dengan menyebarkan kebingungan, kepanikan, atau informasi yang menyesatkan kepada masyarakat. Penelitian ini dilakukan untuk membangun model dan mengidentifikasi berbagai topik yang menyusun artikel mengenai resesi di Indonesia menggunakan metode latent dirichlect allocation. Data yang digunakan merupakan proses crawling pada beberapa berita online Indonesia yang diproses untuk pembersihan dengan text-processing. Data yang telah terproses lalu di bangun korpus lalu dibangun model LDA yang menghasilkan model yang digunakan pada iterasi 1000 dengan nilai Cv sebesar 0,4473 dan Umass sebesar -3,9757. Hasil dari model menghasilkan 20 topik dengan topik ke-9 membahas penyebab resesi dengan peringkat tertinggi dengan nilai 100% dan topik-4, dan 16 membahas penyeab resesi dengan peringkat terendah dengan nilai 61,54%.

ENGLISH:

Online news has become an information technology used by various people to obtain key information in this digital era The use of online news as an information provider has grown during the pandemic. After the pandemic period, a lot of online news conveyed problems about the economy that would be hit by a recession. The increase in the number of news related to recessionary economic conditions after the pandemic without knowing the discussion can worsen the situation by spreading confusion, panic, or misleading information to the public. This research was conducted to build a model and identify various topics that make up articles about the recession in Indonesia using the latent direct allocation method. The data used is a crawling process on several Indonesian online news which is processed for cleaning with text-processing. The data that has been processed then built a corpus and then built an LDA model that produces a model that is used at iteration 1000 with a Cv value of 0.4473 and Umass of -3.9757. The results of the model produced 20 topics with the 9th topic discussing the cause of the recession with the highest rank with a value of 100% and topic-4, and 16 discussing the cause of the recession with the lowest rank with a value of 61.54%.

ARABIC:

أصبحت الأخبار عبر الإنترنت بمثابة تكنولوجيا معلومات يستخدمها أشخاص مختلفون للحصول على معلومات أساسية في هذا العصر الرقمي، وقد نما استخدام الأخبار عبر الإنترنت كمزود للمعلومات خلال الوباء. بعد فترة الوباء، نقلت الكثير من الأخبار عبر الإنترنت مشاكل حول الاقتصاد الذي سيتضرر من الركود. إن زيادة عدد الأخبار المتعلقة بالأوضاع الاقتصادية الركود بعد الوباء دون معرفة المناقشة يمكن أن يؤدي إلى تفاقم الوضع من خلال نشر البلبلة أو الذعر أو المعلومات المضللة للجمهور. تم إجراء هذا البحث لبناء نموذج وتحديد الموضوعات المختلفة التي تشكل مقالات حول الركود في إندونيسيا باستخدام طريقة التخصيص المباشر الكامن. البيانات المستخدمة عبارة عن عملية زحف على العديد من الأخبار الإندونيسية عبر الإنترنت والتي تتم معالجتها للتنظيف باستخدام معالجة النصوص. البيانات التي تمت معالجتها ثم قامت ببناء مجموعة ثم بناء نموذج لدا الذي ينتج نموذجًا يتم استخدامه في التكرار ١٠٠٠ بقيمة Cv تبلغ ٠٬٤٤٧٣ و Umass بقيمة ٣٬٩٧٥٧ـ. أنتجت نتائج النموذج ٢٠ موضوعا، الموضوع التاسع يناقش سبب الركود ذو الرتبة الأعلى بقيمة ١٠٠٪ والموضوع-٤، و١٦ يناقش سبب الركود ذو الرتبة الأقل بقيمة ٦١٬٥٤