KLASIFIKASI JUDUL BERITA COVID-19 MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION

Abstract

Arus globalisasi yang menyebar di masyarakat berupa penyampaian informasi semakin berkembang dari tahun ke tahun seperti televisi dan radio. Lalu dengan adanya internet penyampaian informasi semakin berkembang yaitu berupa teks seperti berita online. Penyebaran coronavirus disease 2019 atau covid-19 di Indonesia merupakan informasi berita yang paling banyak dicari dikarenakan banyaknya kekhawatiran dari seluruh masyarakat, maka dari itu pada masa pandemi untuk mengetahui informasi yang tepat dan terpercaya mengenai covid-19 di Indonesia dapat dilihat pada situs resmi covid-19.go.id. Jenis berita yang terdapat pada website tersebut berupa penanganan kesehatan, vaksinasi covid-19 dan pemulihan ekonomi. Dengan banyaknya berita yang disajikan, penulis telah melakukan penelitian mengenai klasifikasi judul dengan menggunakan metode latent dirichlet allocation. Tujuan dari penelitian ini adalah untuk mengklasifikasikan judul berita pada situs covid-19 dan mengetahui topik berita pada keseluruhan berita di situs covid-19.go.id. Penelitian ini dilakukan melalui beberapa tahapan yaitu pengumpulan judul berita berbahasa Indonesia pada situs covid19.go.id dari bulan Januari 2021 hingga November 2021. Setelah melakukan pengumpulan judul berita, data tersebut dilakukan proses preprocessing. Tahapan pembobotan yang mengubah kata pada data menjadi bentuk numeric dengan melakukan pembobotan TF-IDF. Penerapan metode Latent Dirichlet Allocation untuk memperoleh topik dari keseluruhan data judul berita. Berdasarkan hasil penelitian, terdapat 3 topik dengan jumlah probabilitas yang tertinggi dan berkaitan dari keseluruhan data judul berita pada website covid19.go.id yaitu topik update dengan nilai probabilitas 0,047363, topik vaksinasi dengan nilai probabilitas 0,064872 dan topik sembuh dengan nilai probabilitas 0,054829.