Pemodelan Topik Keluhan Masyarakat Pasca Pandemi Menggunakan Metode Latent Dirichlet Allocation (LDA)

Abstract

Transparansi informasi publik dan reformasi birokrasi yang dicanangkan oleh pemerintah untuk mewujudkan clean goverment dan good goverment dapat diimplementasikan dengan melibatkan partisipasi masyarakat. Pengaduan, kritik, dan saran dari masyarakat kepada pemerintah terkait pelayanan publik yang tidak standar, menyimpang atau tidak teratur perlu diperhatikan untuk evaluasi di masa depan. Seiring perkembangan teknologi, aspirasi masyarakat dapat tersampaikan melalui alat pengaduan publik yang telah dikembangkan oleh pemerintah pusat dan pemerintah daerah. Kabupaten Sleman sendiri telah memiliki sistem Lapor Sleman yang sejalan dengan Smart Regency. Ilmu matematika berperan penting dalam pemecahan masalah terkait dengan pemodelan topik yang sering dilaporkan masyarakat pada masa pasca pandemi. Oleh karena itu, tujuan penelitian ini untuk mengidentifikasi topik pengaduan masyarakat dengan algoritma Latent Dirichlet Allocation (LDA). LDA adalah suatu metode untuk pemodelan topik berdasarkan konsep probabilistik yang mencari kemiripan dalam sebuah dokumen yang kemudian dikelompokkan menjadi beberapa topik. Data yang digunakan pada penelitian ini merupakan data sekunder dari Kominfo Sleman. Tahapan penelitian diawali dengan pengambilan data, dilanjutkan dengan prepocessing data. Terdapat beberapa tahap prepocessing diantaranya case folding, remove punctuation, stopword removal, tokenizing, dan stemming. Tahap terakhir adalah topic modelling dengan algoritma LDA. Hasil analisis menunjukkan bahwa pemodelan LDA dengan 3 topik yang memiliki nilai coherence terbesar. Hasil pemodelan memberikan gambaran bahwa topik yang paling sering muncul dalam laporan pengaduan masyarakat terhadap pemerintah Sleman adalah pelayanan, jalan rusak, vaksin, dan terkait informasi yang dibutuhkan masyarakat.