OPTIMASI ALGORITMA LATHEN DIRICHLET ALLOCATION PADA PEMODELAN TOPIK ARTIKEL BERITA BERBAHASA INDONESIA DENGAN STEMMING NAZIEF - ADRIANI

• MUHAMMAD ABDUL AZIZ ALBAR
• 2025

---

Pertumbuhan pesat media digital mendorong peningkatan signifikan pada jumlah artikel berita daring berbahasa Indonesia. Kondisi ini menimbulkan tantangan dalam pengelolaan dan analisis informasi dalam skala besar. Salah satu solusi yang dapat digunakan adalah pemodelan topik, yang mampu mengidentifikasi tema tersembunyi dalam kumpulan teks tidak terstruktur. Penelitian ini bertujuan untuk mengoptimalkan algoritma Lathen Dirichlet Allocation (LDA) melalui penerapan algoritma stemming Nazief-Adriani dalam tahap praproses data teks. Data yang digunakan berupa 10.000 artikel berita dari berbagai portal berita daring Indonesia. Proses praproses mencakup case folding, tokenisasi, stopword removal, dan stemming. Evaluasi dilakukan menggunakan coherence score untuk mengukur kualitas topik yang terbentuk. Hasil penelitian menunjukkan bahwa penerapan algoritma stemming Nazief-Adriani mampu meningkatkan homogenitas kata serta menghasilkan topik yang lebih terfokus, akurat, dan dapat ditafsirkan secara semantik. Model LDA berhasil membentuk lima topik utama dengan nilai coherence tertinggi mencapai 0.5295 pada model dua topik. Visualisasi menggunakan word cloud memudahkan dalam interpretasi kata-kata dominan pada masing-masing topik. Dengan demikian, kombinasi algoritma LDA dan praproses berbasis stemming Nazief-Adriani terbukti efektif untuk pemodelan topik pada data teks berita berbahasa Indonesia.

• Pemodelan Topik
• Stemming Nazief-Adriani
• Lathen Dirichlet Allocation
• Artikel Berita
• Coherence Sco

https://repository.bsi.ac.id/repo/65620/OPTIMASI-ALGORITMA-LATHEN-DIRICHLET-ALLOCATION-PADA-PEMODELAN-TOPIK-ARTIKEL-BERITA-BERBAHASA-INDONESIA-DENGAN-STEMMING-NAZIEF---ADRIANI
Anda dapat membaca file tugas akhir ini di repository.