PERBANDINGAN BAG OF WORD DAN TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION

Pemilihan representasi teks menjadi salah satu faktor yang dapat memengaruhi kualitas topik yang dihasilkan oleh metode Latent Dirichlet Allocation (LDA). Permasalahan dalam penelitian ini adalah belum diketahuinya representasi teks yang menghasilkan kualitas topik terbaik antara Bag of Words (BoW) dan Term Frequency–Inverse Document Frequency (TF-IDF) pada komentar TikTok terkait Rancangan Undang-Undang (RUU) Perampasan Aset. Oleh karena itu, penelitian ini bertujuan untuk membandingkan nilai topic coherence yang dihasilkan oleh metode LDA menggunakan representasi BoW dan TF-IDF. Data yang digunakan berjumlah 2.954 komentar yang diperoleh melalui teknik web scraping. Tahapan penelitian meliputi preprocessing teks, pembentukan fitur unigram dan bigram, representasi teks menggunakan BoW dan TF-IDF, pemodelan topik menggunakan LDA, optimasi parameter menggunakan Grid Search, serta evaluasi model menggunakan topic coherence. Grid Search dilakukan dengan menguji variasi jumlah topik, alpha, dan beta. Model dilatih menggunakan passes sebesar 10, iterations sebesar 100, dan random_state sebesar 42. Hasil penelitian menunjukkan bahwa representasi BoW memperoleh coherence score tertinggi sebesar 0,5948 dengan jumlah topik 4, alpha 0,9, dan beta 0,8. Sementara itu, representasi TF-IDF memperoleh coherence score tertinggi sebesar 0,5334 dengan jumlah topik 6, alpha 1,0, dan beta 0,9. Berdasarkan hasil tersebut, representasi BoW menghasilkan nilai topic coherence lebih tinggi dibandingkan TF-IDF. Hasil interpretasi topik juga menunjukkan bahwa BoW menghasilkan pemisahan tema yang lebih jelas, yaitu topik mengenai RUU Perampasan Aset, aparat penegak hukum, DPR dan Puan Maharani, serta presiden, rakyat, dan aksi publik. Dengan demikian, representasi BoW menjadi representasi teks terbaik dalam penelitian ini berdasarkan nilai topic coherence dan interpretasi topik yang dihasilkan.