PEMODELAN TOPIK MENGGUNAKAN LATENT DIRICHLET ALLOCATION DAN PACHINKO ALLOCATION MODEL UNTUK EKSTRAKSI BERITA SAHAM ONLINE

Abstract

Pada umumnya investor memperoleh informasi atau berita saham lewat situs resmi Bursa Efek Indonesia, yakni www.idx.co.id. Investor kadang mendapatkan informasi lain tentang analisis saham dan prediksi saham yang menguntungkan dari halaman web berita online. Namun, investor memerlukan waktu untuk menentukan topik yang paling sering muncul dan menjadi perbincangan hangat pada berita saham. Oleh karena itu, pemodelan topik diperlukan untuk mengekstrak berita saham online ke dalam topik-topik yang muncul dari hasil pemodelan. Tujuan penelitian ini adalah pemodelan topik dilakukan untuk menganalisis topik-topik yang sedang dibahas pada halaman web berita saham online dan PAM akan diterapkan untuk menggambarkan korelasi topik LDA yang berhubungan, sehingga topik mempunyai korelasi lebih sesuai. Data penelitian yang dikumpulkan sebanyak 181 berita saham selama bulan Februari hingga Juli 2021. Situs kontan.co.id dipilih karena link berita saham sudah jadi satu dengan ringkasan saham Google dari perusahaan yang ada di Bursa Efek Indonesia.Pemodelan topik dilakukan dengan metode Latent Dirichlet Allocation (LDA), sebuah metode text mining untuk menemukan pola tertentu pada sebuah dokumen dengan menghasilkan beberapa macam topik yang berbeda.Setelah luaran topik LDA diperoleh, langkah berikutnya mengerjakan model alokasi pachinko (Pachinko Allocation Model) untuk menunjukkan hubungan yang koheren antara topik yang dihasilkan.