Wulandari, Hapsari (2020) ANALISIS DAN VISUALISASI MOTIVASI DAN TARGET CALON LEGISLATIF PEMILU 2019 MENGGUNAKAN AUTHOR-TOPIC MODEL DAN NODE2VEC. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
05211640000065-Undergraduate_Thesis.pdf Download (3MB) | Preview |
Abstract
Negara Indonesia merupakan negara demokrasi, dimana pemilihan umum (Pemilu) dilaksanakan setiap lima tahun dan terdapat 192.38 juta masyarakat berpartisipasi pada Pemilu 2019. Setiap calon legislatif (caleg) yang terdaftar pada Pemilu 2019 wajib melengkapi berbagai data seperti daerah pemilihan, nama, tempat dan tanggal lahir, partai, pekerjaan, status, motivasi, target, dan sebagainya. Topik motivasi dan target yang memiliki kemungkinan tertinggi dibahas oleh caleg juga perlu untuk diketahui karena topik motivasi dan target dapat membantu masyarakat dalam menentukan dan mempertimbangkan calon legislatif yang hendak dipilih. Penelitian ini dilakukan karena belum ada pembahasan mengenai topik motivasi dan target calon legislatif secara umum. Untuk menyelesaikan permasalahan tersebut, pada penelitian ini dilakukan analisis dan visualisasi motivasi dan target oleh setiap calon legislatif dengan metode permodelan topik. Permodelan topik motivasi dan target caleg membantu masyarakat mengetahui topik apa saja yang dibahas oleh berbagai partai. Permodelan topik merupakan sebuah teknik untuk menemukan topik dari sekumpulan dokumen atau data secara otomatis. Dokumen atau data diamati, sementara struktur topik (topik, distribusi topik per-dokumen, dan korpus topik) adalah struktur yang belum terlihat motifnya atau tersembunyi. Metode yang digunakan pada penelitian ini adalah permodelan topik dengan Author-Topic Model dan pengelompokkan kemiripan dengan Node2vec. Author-Topic Model (ATM) merupakan metode yang dapat mempelajari representasi topik di dalam sebuah dokoumen; dimana penulis dapat menuliskan beberapa dokumen yang sama. Metode ini dapat mengklasifikasikan data yang sudah didapatkan untuk diolah menjadi beberapa topik yang diinginkan. Jumlah topik terbaik pada permodelan menggunakan ATM pada motivasi dan target adalah 3 topik. Pada topik motivasi menggunakan ATM, terdapat beberapa kategori topik yang dihasilkan yaitu ‘Isu Pendidikan’, ‘Perekonomian Masyarakat’ dan ‘Kesejahteraan Rakyat’. Sementara itu, topik yang dihasilkan pada pembahasan target menggunakan ATM adalah ‘Peran Anggota Legislatif’, ‘Pembangunan Daerah’, dan ‘Pergerakan Nasional’. Kategori yang memiliki probabilitas tertinggi pada topik motivasi adalah ‘Pembangunan Daerah’ dan pada topik target adalah ‘Isu Pendidikan’. Setelah topik dihasilkan, pengelompokkan similarity menggunakan Node2vec dilakukan. Node2vec digunakan untuk mengetahui kemiripan antar topik dari setiap partai dengan memetakan nodes ada ruang berdimensi rendah dan menjalankan perjalanan secara acak. Partai yang memiliki nilai kemiripan motivasi tertinggi adalah Partai Golkar dan Partai PSI. Lalu, partai yang memiliki nilai kemiripan target tertinggi adalah Partai Hanura dan Partai Garuda. Terakhir, partai yang memiliki kemiripan tertinggi pada gabungan motivasi dan target adalah Partai PSI dan PDIP.
===========================================================================================
Indonesia is a democratic country, where general elections held every five years and involved around 192.38 million people in the 2019 general elections. Therefore, every legislative candidate attended in the 2019 general elections required to fill in some data, for instance, election region, full name, home address, date of birth, supporting party, current job, marriage status, motivation, target, and so forth. The topics of motivation and target that have the highest probability discussed by candidates also need to be known because it can help the community in determining and considering the right legislative candidates to be elected. This research was conducted because there was no discussion on the topic of motivation and targets of legislative candidates before. To solve these problems, in this study analysis and visualization of the motivations and targets by each legislative candidate by using the topic modeling method. Topic-modeling using motivation and target by legislative candidates help the public know some topics are being discussed by various parties. Topic modeling is a technique for finding topics from a collection of documents or data automatically. The documents are observed where the topic structure (topics, topics distribution, and corpus) has an invisible or hidden motive. The method used in this research is topic modeling using the Author-Topic Model (ATM) and similarity grouping using Node2vec. The Author-Topic Model is a method that can present the topic within a document; where several authors can write the same document. This method can classify the data that has been obtained to be processed into several desired topics. The best number of topics resulted from modeling using ATM is 3 topics. For motivation topics, several categories of topics are 'Educational Issues', 'Community Economy', and 'Social Welfare'. Meanwhile, for target topics, several categories of topics are the 'Role of Legislative Members', 'Regional Development', and 'National Movement'. The category that has the highest probability of motivation topic is 'Regional Development' and on the target topic is 'Educational Issues'. After the topic using ATM was generated, similarities grouping is done using Node2vec. Node2vec is a method that can be used to determine the similarity between topics of each party by mapping the nodes in the low-dimensional space and perform random travel procedures called random walk bias procedures. The parties that have the highest similarity value in motivation topics are the Golkar Party and the PSI Party. Then, the parties that have the highest similarity value in target topics are the Hanura Party and the Garuda Party. Last, the parties that have the highest similarity in the combination of motivation and target topics are the PSI and PDIP parties.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Latent Dirichlet Allocation, Author-Topic Model, Node2vec, Legislative Candidates, Political Parties, 2019 Election |
| Subjects: | Z Bibliography. Library Science. Information Resources > ZA Information resources > Z699.5 Information storage and retrieval systems |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis |
| Depositing User: | Hapsari Wulandari |
| Date Deposited: | 27 Aug 2020 05:06 |
| Last Modified: | 15 May 2023 06:27 |
| URI: | http://repository.its.ac.id/id/eprint/81083 |
Actions (login required)
 |
View Item |