ANALISIS TOPIK EKONOMI DENGAN ALGORITMA K-MEANS PADA MEDIA ONLINE ERA PANDEMI COVID-19 DI SULAWESI TENGGARA
Abstract
Pandemi Covid-19 sejak maret 2020 hingga saat ini telah banyak memberikan dampak terhadap berbagai sektor, termasuk diantaranya adalah sektor ekonomi. Berbagai isu pun semakin berkembang terkait perekonomian di era pandemi Covid-19 khususnya di Sulawesi Tenggara. Adanya media online sebagai alat utama untuk mengetahui perkembangan informasi baik itu berupa isu atau fakta yang terjadi masih menyulitkan masyarakat karena banyaknya pemberitaan dan keberadaan media online. Kajian ini bertujuan untuk menggambarkan tren topik ekonomi dan bisnis pada pemberitaan media online di Sulawesi Tenggara era pandemi Covid-19. Penentuan tren topik ini dimulai dengan pengumpulan data menggunakan teknik web scraping judul berita kategori ekonomi dan bisnis pada 4 media online. Judul-judul berita kemudian dibentuk menjadi beberapa klaster dengan bantuan visualisasi wordcloud dengan terlebih dahulu melakukan preprocessing data. Hasil penelitian menunjukkan bahwa dengan menggunakan algoritma K-Means diperoleh 3 klaster dengan nilai WSS sekitar 4,4 % dan koefisien Sillhouete sekitar 0,1. Adapun tren topik ekonomi pada media online di Sulawesi Tenggara era Pandemi Covid-19 yaitu bantuan sosial, pelaku dan tindakan ekonomi, serta regulasi keuangan.
Full Text:
PDF (Bahasa Indonesia)References
U.T. Setihohatmo, S. Rachmat., T. Susilawati and Y. Rahman. 2020. “Analisis Metoda Latent Dirichlet Allocation untuk Klasifikasi Dokumen Laporan Tugas Akhir Berdasarkan Pemodelan Topikâ€., Prosiding The 11th Industrial Research Workshop and National Seminar Bandung 26-27 Agustus 2020, pp. 402-408. Doi: 10.35313/irwns.v11i1.2040
R. Siringoringo, Jamaluddin and R. Perangin-Angin. 2020. “Pemodelan Topik Berita Menggunakan Latent Dirichlet Allocation dan K-Means Clusteringâ€., Jurnal Informatika Kaputama, vol. 4(2), pp. 216-222. Doi: 10.1234/jik.v4i2.263
Badan Pusat Statistik Provinsi Sulawesi Tenggara. 2021. “Pertumbuhan Ekonomi Sulawesi Tenggara Triwulan IV 2020â€., Berita Resmi Statistik, No. 14/02/74/Th.XIV. Tersedia melalui: [Diakses 30 April 2021]
A. Ready. 2016. “Penggunaan Media Online Sebagai Sumber Informasi Akademik Mahasiswa Ilmu Komunikasi Fakultas Ilmu Sosial dan Ilmu Politik Universitas Riauâ€. Jurnal Online Mahasiswa Universitas Riau, Vol 3. No. 1 Februari 2016. Tersedia melalui: < https://jom.unri.ac.id/index.php/JOMFSIP/article/view/8438> [Diakses 21 April 2021]
W. Hadiwardoyo. 2020. “Kerugian Ekonomi Nasional Akibat Pandemi Covid-19â€., Journal of Business & Enterepreneurship Universitas Muhammadiyah Jakarta, Vol 2. No. 2, pp.83-92. Doi: 10.24853/baskara.2.2.83-92
Y. Sahria. 2020. “Implementasi Teknik Web Scraping pada jurnal SINTA untuk analisis topik penelitian kesehatan Indonesiaâ€., The 11th University Research Colloqium 2020, pp. 297-306. Tersedia melalui: < http://repository.urecol.org/index.php/proceeding/article/view/1079> [Diakses 1 April 2021]
M. R. Ma’arif. 2016. “Integrasi laman web tentang pariwisata daerah istimewa Yogyakarta memanfaatkan teknologi web scraping dan text miningâ€., Jurnal Teknomika, vol 9(2), pp. 71-80. Tersedia melalui:
.php/teknomatika/article/view/461>[Diaks-es 20 April 2021]
W. Hardi, W. A. Kusuma and S. Basuki. 2019. “Pengelompokan Topik Dokumen Berbasis Text Mining Dengan Algoritme K-meansâ€., Jurnal Visi Pustaka, Vol. 21 No.1, pp. 67-76. Doi: 10.37014/visi%20pustaka. v21i1.77.
A. F Hidayatullah and M.R Ma’arif. 2016. “Penerapan Text Mining dalam Klasifikasi Judul Skripsi. Seminar Nasional Aplikasi Teknologi Informasiâ€., Seminar Nasional Aplikasi Teknologi Informasi (SNATI) 2016 Yogyakarta, pp. 33-36. Tersedia melalui: [Diakses 15 April 2021]
N.G. Yudiarta, M. Sudarma and W. G. Ariastina. 2018. “Penerapan Metode Cluster Text Mining untuk pengelompokan berita pada unstructed textual dataâ€., Majalah Ilmiah Teknologi Elektro, Vol. 17 No. 3, pp. 339-343. Doi: 10.24843/MITE.2018. v17i03.P06
R. Adhitama, A. Burhanuddin and R. Ananda. 2020. “Penentuan Jumlah Cluster Ideal SMK di Jawa Tengah dengan Metode X-Means Clustering dan K-Means Clusteringâ€., JIKO (Jurnal Informatika dan Komputer), Vol 3 No.1, pp. 1-5. Doi: 10.33387/jiko.v3i3.1635
W. Saputro, M. R. Pahlevi and A. Wibowo. 2020. “Analisis Algoritma K-Means Untuk Klasterisasi Tindak Pidana Korupsi di Wilayah Hukum Indonesiaâ€., JIKO (Jurnal Informatika dan Komputer), Vol 3 No.3, pp. 137-142. Doi: 10.33387/jiko.v3i3.1960
E. Yulian. 2018. “Text Mining dengan K-means Clustering pada Tema LGBT dalam arsip tweet Masyarakat Kota Bandungâ€., Jurnal Matematika “MANTIKâ€, Vol. 4 No.1, pp. 53-58. Doi: 10.15642/mantik. 2018.4.1.53-58
D. A. I. C. Dewi and D. A. K. Pramita. 2019. “Analisis Perbandingan Metode Elbow dan Sillhouette pada Algoritma Clustering K-Medoids dalam pengelompokkan produksi Kerajinan Baliâ€., Jurnal Matrix, Vol 9 No.3, pp. 102-109. Doi: 10.31940/matrix. v9i3.1662
C. Shi, B. Wei, S.Wei, et al. 2021. “A Quantitative Discriminant Method of Elbow Point for The Optimal Number of Clusters in Clustering Algorithmâ€., Journal on Wireless Communications and Networking, 2021:31, Doi: 10.1186/s13638-021-01910-w
M. S. Hudin, M. A. Fauzi and S. Adinugroho. 2018. “Implementasi Metode Text Mining dan K-Means Clustering untuk pengelompokan Dokumen Skripsi (Studi Kasus: Universitas Brawijaya)â€., Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol 2 No.11, pp. 5518-5524, Tersedia melalui: [Diakses 19 April 2021]
DOI: https://doi.org/10.33387/jiko.v4i2.3235
Refbacks
- There are currently no refbacks.