Studi Literatur Penerapan Topic Modeling Menggunakan Latent Dirichlet Allocation (LDA) dalam Analisis Dokumen dan Laporan Publik
Keywords:
Topic Modeling, Latent Dirichlet Allocation, Text Mining, Studi Literatur, Dokumen PublikAbstract
Perkembangan teknologi informasi menyebabkan peningkatan signifikan jumlah dokumen teks tidak terstruktur, khususnya dalam bentuk laporan dan dokumen publik. Kondisi ini menimbulkan tantangan dalam proses analisis manual yang tidak lagi efisien dari sisi waktu dan sumber daya. Salah satu pendekatan yang banyak digunakan untuk mengatasi permasalahan tersebut adalah topic modeling berbasis text mining, dengan Latent Dirichlet Allocation (LDA) sebagai metode yang paling populer. Penelitian ini bertujuan untuk mengkaji secara sistematis penerapan metode LDA dalam analisis dokumen dan laporan publik berdasarkan studi-studi terdahulu. Metode penelitian yang digunakan adalah studi literatur dengan menelaah artikel ilmiah dari jurnal nasional dan internasional yang relevan. Hasil kajian menunjukkan bahwa LDA efektif dalam mengidentifikasi topik laten pada data teks tidak terstruktur di berbagai konteks, termasuk media sosial, dokumen akademik, dan laporan institusional. Namun demikian, keterbatasan masih ditemukan pada aspek interpretasi topik dan penentuan jumlah topik yang optimal. Studi ini diharapkan dapat menjadi rujukan konseptual bagi penelitian lanjutan, khususnya dalam pemanfaatan LDA untuk analisis dokumen resmi pemerintahan.
Downloads
References
Alkaff, M., Baskara, A. R., & Maulani, I. (2021). Klasifikasi Laporan Keluhan Pelayanan Publik Berdasarkan Instansi Menggunakan Metode LDA-SVM. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(6).
Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. Journal of machine Learning research, 3(Jan), 993-1022.
Cahyono, N. (2024). Fundamental Topic Modelling: Memahami Tren & Topik dalam Text Mining. MEGA PRESS NUSANTARA.
Chilmi, M. L. C. (2021). Latent dirichlet allocation lda untuk mengetahui topik pembicaraan warganet twitter tentang omnibus law (Bachelor's thesis, Fakultas Sains Dan Teknologi UIN Syarif Hidayatullah Jakarta).
Domai, T., & Yuliani, L. (2015). Perencanaan Pemberdayaan Pejabat Pengelola Informasi & Dokumentasi dalam Rangka Keterbukaan Informasi Publik: Studi di Bagian Humas Setda Kabupaten Bantul. Universitas Brawijaya Press.
Fernandes, A. A. R., Erwinda, E. G., Hardianti, R., & Arini, L. H. Y. (2023). Metodologi Penelitian: Variabel Mining Berbasis Big Data Dalam Pemodelan Sistem Untuk Mengungkap Research Novelty. Universitas Brawijaya Press.
Hapsari, T. S., & Nataliani, Y. (2024). Text Mining with Latent Dirichlet Allocation for Analyzing Public Comments on the M-Passport Application. Jurnal Teknik Informatika (Jutif), 5(4), 1093-1101.
Jelodar, H., Wang, Y., Yuan, C., Feng, X., Jiang, X., Li, Y., & Zhao, L. (2019). Latent Dirichlet allocation (LDA) and topic modeling: models, applications, a survey. Multimedia tools and applications, 78(11), 15169-15211.
Khadijah, U. N., & Cahyono, N. (2024). Analisis Topic Modelling Pariwisata Yogyakarta Menggunakan Latent Dirichlet Allocation (LDA). The Indonesian Journal of Computer Science, 13(4).
Mramra, W. Y. Y., & Nataliani, Y. (2025). Penentuan bidang unggulan akademik universitas melalui metode topik Linear Discriminant Analysis (LDA). IT-Explore: Jurnal Penerapan Teknologi Informasi dan Komunikasi, 4(1), 93-105.
Muhaimin, A., Fahrudin, T. M., Alamiyah, S. S., Arviani, H., Kusuma, A., Sari, A. R. F., & Lisanthoni, A. (2023). Social Media Analysis and Topic Modeling: Case Study of Stunting in Indonesia. Telematika: Jurnal Informatika dan Teknologi Informasi, 20(3), 406-415.
Muharomah, S. (2023). Topic Modeling Kasus Penipuan di Twitter menggunakan Metode Latent Dirichlet Allocation (LDA) (Doctoral dissertation, Universitas Islam Indonesia).
Muis, A., Syafwan, H., Arfianto, A. Z., Simanjuntak, M. S., Riyandi, A., Trisnawan, A. B., ... & Suhadi, S. (2025). DATA MINING: Konsep, Metode, dan Aplikasi. Faaslib Serambi Media.
Nufi, O. S., & Khalid, K. (2025). Topic Modelling Skripsi Manajemen Dakwah PTKIN menggunakan Latent Dirichlet Allocation (LDA). REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer, 9(2), 539-549.
Nurhaliza, A. F. (2024). Penerapan Pemodelan Topik menggunakan Metode Latent Dirichlet Allocation terhadap Pembehasan Pemilu Indonesia tahun 2024 di Twitter. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(7).
Nurhaliza, A. F. (2024). Penerapan Pemodelan Topik menggunakan Metode Latent Dirichlet Allocation terhadap Pembehasan Pemilu Indonesia tahun 2024 di Twitter. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 8(7).
Prayudi, Y. (2020). Analisis Topik Data Tindak Kriminal pada Media Sosial Twitter Menggunakan Metode LDA (Latent Dirichlet Allocation).
Saikin, S., Fadli, S., Akbar, J., & Fahmi, H. (2025). TOPIC MODELING JUDUL PENELITIAN MENGGUNAKAN METODE LATENT DIRICHLET ALLOCATION (LDA) DAN FAKTORISASI MATRIKS NON-NEGATIF (NMF). JATI (Jurnal Mahasiswa Teknik Informatika), 9(2), 3439-3445.
Sembiring, A. R. (2025). Sentiment Analysis dan Topic Modeling pada Tweet Bahasa Indonesia Mengenai Pemilihan Umum 2024 (Doctoral dissertation, Universitas Islam Indonesia).
Titiana, T., & Bangkalang, D. H. (2023). Analisis Dan Penerapan Topic Modeling Pada Judul Tugas Akhir Mahasiswa Menggunakan Metode Latent Dirichlet Allocation (LDA). JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 8(4), 1275-1287.
Vayansky, I., & Kumar, S. A. (2020). A review of topic modeling methods. Information Systems, 94, 101582.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Citra Grace Kalangie, Irene R. H. T. Tangkawarow (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
