Skripsi/Tugas Akhir

Identifikasi Tren Topik Akun Instagram Folkative Menggunakan Metode Latent Dirichlet Allocation (LDA)

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Perkembangan teknologi informasi dan komunikasi, khususnya media sosial, telah mengubah cara masyarakat mengakses dan berinteraksi dengan informasi. Instagram Folkative menjadi salah satu platform yang aktif menyajikan berita, budaya pop, politik, dan isu-isu Trending. Dengan cakupan tema yang luas, diperlukan analisis untuk mengidentifikasi tren topik dominan yang diminati pengikutnya. Penelitian ini menganalisis tren topik dalam akun Instagram Folkative dari tahun 2021 hingga 2023 menggunakan metode Latent Dirichlet Allocation (LDA). Data dikumpulkan melalui web scraping dengan ekstraksi teks dari unggahan Instagram, menghasilkan 2.726 sampel unggahan. Data kemudian diproses melalui tahap preprocessing, termasuk tokenisasi, stopword, dan stemming, sebelum diterapkan analisis LDA. Hasil analisis menunjukkan bahwa pada tahun 2021 terdapat 5 topik optimal dengan coherence score 0,6293, dengan kebijakan kesehatan dan sosial-ekonomi sebagai topik dominan (22,48%). Tahun 2022 memiliki 18 topik optimal dengan coherence score 0,6106, dengan hiburan dan konser di Jakarta sebagai topik utama (8,06%). Pada tahun 2023, terdapat 19 topik optimal dengan coherence score 0,5957, dengan musik, teknologi, dan pendidikan sebagai topik dominan (9,40%). Selain itu, isu lingkungan dan politik muncul secara konsisten dalam tiga tahun dengan rata-rata persentase 8,21%. Visualisasi menggunakan PyLDAvis dan Wordcloud mengungkap keterkaitan antar topik serta pola perhatian pengikut Folkative terhadap berbagai isu yang berkembang. Penelitian ini memberikan wawasan tentang dinamika topik di media sosial serta membantu Folkative dalam mengoptimalkan strategi kontennya sesuai dengan preferensi audiens.
Kata Kunci: Latent Dirichlet Allocation (LDA), Analisis Media Sosial, Folkative, Identifikasi Topik, Web Scraping

ABSTRACT
The development of information and communication technology, particularly social media, has transformed how society accesses and interacts with information. Instagram Folkative has become one of the platforms actively presenting news, pop culture, politics, and trending issues. Given its broad thematic coverage, an analysis is needed to identify dominant topic trends that attract its followers. This study analyzes topic trends on the Folkative Instagram account from 2021 to 2023 using the Latent Dirichlet Allocation (LDA) method. Data was collected through web scraping, extracting text from Instagram posts, resulting in 2,726 post samples. The data was then processed through a preprocessing stage, including tokenization, stopword removal, and stemming, before applying LDA analysis. The analysis results indicate that in 2021, there were 5 optimal topics with a coherence score of 0.6293, with health policies and socio-economic issues as the dominant topics (22.48%). In 2022, 18 optimal topics were identified with a coherence score of 0.6106, with entertainment and concerts in Jakarta being the main topic (8.06%). In 2023, there were 19 optimal topics with a coherence score of 0.5957, with music, technology, and education emerging as dominant topics (9.40%). Additionally, environmental and political issues appeared consistently over the three years, with an average percentage of 8.21%. Visualizations using PyLDAvis and Wordcloud revealed inter-topic relationships and follower attention patterns towards various evolving issues. This study provides insights into the dynamics of topics on social media and helps Folkative optimize its content strategy in accordance with audience preferences.
Keywords: Latent Dirichlet Allocation (LDA), Social Media Analysis, Folkative, Topic Identification, Web Scraping

---

Ketersediaan

SKR 25-51 0920TI

SKR 25-51 MIR i - 0920TI

Perpustakan UNDIPA (Rak Skripsi/Tugas AKhir)

Tidak Dipinjamkan-No Loan

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 MIR i - 0920TI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xv + 122 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 27 Februari 2025

Subjek

Skripsi/Tugas Akhir
Sosial Media
Web Scraping
Latent Dirichlet Allocation (LDA)

Lampiran File