Implementasi Non-Negative Matrix Factorization Untuk Analisis Topik Persepsi Publik Terhadap Menteri Keuangan Berdasarkan Komentar Youtube

Authors

  • Hafiz Muhammad Zain Universitas Budi Luhur Author
  • Achmad Solichin Universitas Budi Luhur Author

Keywords:

Topic Modeling, Non-Negative Matrix Factorization, TF-IDF, YouTube Comments , UMass Topic Coherence

Abstract

Media sosial telah menjadi salah satu sumber utama dalam memperoleh informasi mengenai persepsi masyarakat terhadap kebijakan pemerintah dan tokoh publik. YouTube merupakan platform yang menghasilkan komentar dalam jumlah besar sehingga berpotensi dimanfaatkan sebagai sumber data untuk mengidentifikasi isu-isu yang berkembang di masyarakat. Namun, karakteristik komentar yang bersifat tidak terstruktur dan berdimensi tinggi menyebabkan proses analisis secara manual menjadi tidak efektif. Penelitian ini bertujuan menerapkan metode Non-Negative Matrix Factorization (NMF) untuk mengekstraksi topik utama dari komentar YouTube yang membahas Menteri Keuangan Indonesia. Dataset diperoleh melalui proses scraping komentar dari beberapa video YouTube bertema ekonomi dan kebijakan publik. Selanjutnya dilakukan tahapan preprocessing yang meliputi text cleaning, case folding, normalisasi kata, stopword removal, dan stemming. Dokumen direpresentasikan menggunakan pembobotan Term Frequency–Inverse Document Frequency (TF-IDF) sebelum diproses menggunakan algoritma NMF. Pengujian dilakukan dengan beberapa skenario jumlah topik, yaitu tiga hingga sepuluh topik, sedangkan kualitas topik dievaluasi menggunakan metrik UMass Topic Coherence. Hasil penelitian menunjukkan bahwa jumlah topik berpengaruh terhadap kualitas model yang dihasilkan. Model dengan tiga topik memberikan nilai koherensi tertinggi serta menghasilkan kelompok kata yang lebih mudah diinterpretasikan dibandingkan skenario lainnya. Meskipun nilai reconstruction error menurun ketika jumlah topik bertambah, peningkatan tersebut tidak selalu menghasilkan kualitas topik yang lebih baik secara semantik. Hasil penelitian menunjukkan bahwa kombinasi TF-IDF dan NMF mampu menghasilkan pemodelan topik yang efektif pada komentar YouTube berbahasa Indonesia serta dapat dimanfaatkan sebagai media analisis persepsi publik terhadap kebijakan pemerintah.

Author Biography

  • Hafiz Muhammad Zain, Universitas Budi Luhur

    Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur

Downloads

Published

2026-11-09