Pembangunan Prototype Aplikasi Deteksi Topik Pada Petisi (Studi kasus: Change.org Indonesia)
Abstract
Petisi elektronik merupakan salah satu alat yang menyediakan mekanisme yang memfasilitasi publik untuk mengekspreskan pendapatnya baik kepada pemerintah maupun pihak terkait. Petisi elektronik telah terbukti dapat mempengaruhi kebijakan publik. Dilain sisi petisi elektronik yang populer di indonesia yaitu change.org tidak memiliki mekanisme pengkategorian khusus, atau pengkategorian populer yang dinamis. Penelitian ini bertujuan untuk membangun sebuah prototype aplikasi yang mampu mendeteksi topik tersembunyi pada petisi secara dinamis. Penelitian ini menggunakan 100 dokumen petisi elektronik yang memiliki jumlah tandatangan elektronik minimal 10.000 tandatangan. Ekeperimen bertujuan untuk mengetahui apakah penggunaan KBBI dan Latent Dirichlet Allocation (LDA) mampu mendeteksi topik secara relevan pada dokumen petisi berbahasa Indonesia. Cohen Kappa Coefficient digunakan untuk mengukur relevansi dari hasil deteksi topik, dimana hasil dari penelitian ini menunjukkan bahwa nilai mean relevance rate dari hasil metode yang digunakan adalah sebesar 50%.
References
[2] Depdiknas, "Peraturan Menteri Pendidikan Nasional No. 20, Tahun 2003," Jakarta, 2003.
[3] A. Nuraziq, Kusrini and E. T. Luthfi, "Rancang Bangun Sistem Pendukung Keputusan Penerimaan Beasiswa Menggunakan Metode Clustering K-Means," Seminar Nasional Multi Disiplin Ilmu, vol. 1, 2017.
[4] J. Aranda and W. A. G. Natasya, "Penerapan Metode K-Means Cluster Analysis Pada Sistem Pendukung Keputusan Pemilihan Konsentrasi Untuk Mahasiswa International Class STMIK AMIKOM Yogyakarta," Seminar Nasional Teknologi Informasi dan Multimedia, vol. IV, no. 2, pp. 1 - 6, 2016.
[5] A. Masruro, Kusrini and E. T. Luthfi, "Sistem Penunjang Keputusan Penentuan Lokasi Wisata Menggunakan K-Means Clustering dan TOPSIS," Jurnal Ilmiah DASI, vol. 15, no. 4, pp. 1 - 5, 2015.
[6] A. Ristyawan, Kusrini and Andi Sunyoto, "Pemanfaatan Algoritma FCM Dalam Pengelompokan Kinerja Akademik Mahasiswa," in Konferensi Nasional Sistem dan Informatika 2015, Bali, 2015.
[7] C. L. Dumas, D. LaManna, T. M. Harrisson, S. Ravi, C. Kotfila, N. Gervais, L. Hagen and F. Chen, "Examining political mobilization of online communities through e- petitioning behavior in We the People," Big Data & Society, vol. 2, no. 2, 2015.
[8] C. Bochel, "Petitions Systems: Contributing to Representative Democracy?," Parliamentary Affairs, vol. 66, no. 4, pp. 798-815, 2013.
[9] C. Bochel, "Petitions: Different Dimensions of Voice and Influence in the Scottish Parliament and the National Assembly for Wales," Social and Policy Administration, vol. 46, no. 2, pp. 142-160, 2012.
[10] I. Saputra, Y. Sibaroni and A. P. Kurniati, "Analysis and Implementation of Classification Indonesian News with Naive Bayes Method,"Telkom University, Bandung, 2008.
[11] R. Kusumaningrum, S. Adhy, M. I. A. Wiedjayanto and Suryono, "Classification of Indonesian News Articles based on Latent Dirichlet Allocation," in International Conference on Data and Software Engineering, Denpasar, Bali, 2016.
[12] R. Adhitama, R. Kusumaningrum and R. Gernowo, "Topic labeling towards news document collection based on Latent Dirichlet Allocation and ontology," in 2017 1st International Conference on Informatics and Computational Sciences (ICICoS), Semarang, 2017.
[13] D. M. Blei, Probabilistic Topic Models, vol. 55, New York: ACM, 2012, pp. 77-84.
[14] Z. Liu, "High Performance Latent Dirichlet Allocation for Text Mining," Brunel University, London, 2013.
[15] G. Heinrich, "Parameter Estimation for Text Analysis," Fraunhofer IGD, Darmstadt, Germany, 2009.
[16] M. jazzuli, "e-tarnsparancy budgeting award," 2014. [Online]. Available: https://www.kompasiana.com/jazzmuhammad/. [Accessed 8 Januari 2018].
