KLASTERISASI TOPIK PEMBERITAAN BEA CUKAI PADA MEDIA SOSIAL MENGGUNAKAN LATENT DIRICHLET ALLOCATION (LDA) PASCA PERGANTIAN MENTERI KEUANGAN 2025

Authors

  • Irwan Universitas Pembangunan Panca Budi
  • Dwina Pri Indini Universitas Pembangunan Panca Budi
  • Feby Wulandari Sembiring Universitas Pembangunan Panca Budi
  • Vina Gusti br Bangun Universitas Pembangunan Panca Budi
  • Daslan Fernando Aritonang Universitas Pembangunan Panca Budi

DOI:

https://doi.org/10.54314/jssr.v9i3.6092

Keywords:

latent dirichlet allocation, topic modeling, customs, social media, coherence score

Abstract

Abstract: The replacement of Indonesia's Minister of Finance from Sri Mulyani Indrawati to Purbaya Yudhi Sadewa on September 8, 2025, triggered significant public discourse regarding institutions under the Ministry of Finance, particularly the Directorate General of Customs and Excise (DJBC). This research aims to identify and classify dominant topics discussed by the public on social media regarding Customs during the period from September 2025 to April 2026 using the Latent Dirichlet Allocation (LDA) algorithm. A total of 937 public comments were collected through web scraping on YouTube from 15 relevant news videos, followed by preprocessing including case folding, tokenization, stopword removal using the Sastrawi library, and stemming. The optimal number of topics was determined by evaluating Coherence Score (C_v) and Log Perplexity across the range K = 2 to K = 15. The results indicate that the highest coherence value was obtained at K = 11 with a score of 0.3436, which was selected as the final model. The eleven topics generated reflect a spectrum of public opinion covering appreciation for Minister Purbaya, demands for cleansing corrupt officials, illegal smuggling issues, and demands for institutional reform. Topic distribution shows that 52.3% of documents were critical, 29.9% supportive, and 18.1% reform-demanding. These findings can serve as a basis for evaluating DJBC's public communication policies under Minister Purbaya's leadership.

Keyword: latent dirichlet allocation; topic modeling; customs; social media; coherence score.

 

Abstrak: Pergantian Menteri Keuangan Republik Indonesia dari Sri Mulyani Indrawati kepada Purbaya Yudhi Sadewa pada 8 September 2025 memicu dinamika pemberitaan signifikan terhadap institusi-institusi di bawah Kementerian Keuangan, khususnya Direktorat Jenderal Bea dan Cukai (DJBC). Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan topik-topik dominan yang diperbincangkan publik di media sosial terkait Bea Cukai pada periode September 2025 hingga April 2026 menggunakan algoritma Latent Dirichlet Allocation (LDA). Data sejumlah 937 komentar publik dikumpulkan melalui teknik web scraping pada platform YouTube dari 15 video pemberitaan relevan, kemudian diolah melalui tahapan preprocessing berupa case folding, tokenisasi, stopword removal menggunakan library Sastrawi, dan stemming. Penentuan jumlah topik optimal dilakukan dengan evaluasi Coherence Score (C_v) dan Log Perplexity pada rentang K = 2 hingga K = 15. Hasil penelitian menunjukkan bahwa nilai coherence tertinggi diperoleh pada K = 11 dengan skor 0,3436, yang selanjutnya dijadikan sebagai model final. Sebelas topik yang dihasilkan mencerminkan spektrum opini publik yang terdiri dari topik apresiasi terhadap Menkeu Purbaya, tuntutan pembersihan oknum korup, isu penyelundupan barang ilegal, serta desakan reformasi kelembagaan. Distribusi topik menunjukkan bahwa 52,3% dokumen bersifat kritis, 29,9% bersifat dukungan, dan 18,1% berupa desakan reformasi. Temuan ini dapat dimanfaatkan sebagai dasar evaluasi kebijakan komunikasi publik DJBC di era kepemimpinan Menkeu Purbaya.

Kata kunci: bea cukai; coherence score; latent dirichlet allocation; media sosial; pemodelan topik

Downloads

Download data is not yet available.

References

Abdurrazzaq, M. A. (2023). Analisis Ulasan Aplikasi MyPertamina Menggunakan Topic Modeling dengan Latent Dirichlet Allocation. KALBISCIENTIA Jurnal Sains Dan Teknologi, 10(1), 1–6. https://doi.org/10.53008/kalbiscientia.v10i1.694

Alfarizi, N., Lydia, P., Novelan, M. S., Putra, A., & Sinurat, S. (2026). Comparative Machine Learning Analysis for Sentiment Classification of Sumatra Disaster 2025. 3(1), 68–76.

Asyifa, N., & Novelan, M. S. (n.d.). Performance Analysis of the K-Means Algorithm in Classifying Organic and Inorganic Waste Types. 6681–6690.

Farhan, A., Ridat, I., & Isnain, A. R. (2025). Pemodelan topik dengan lda untuk memahami persepsi publik terhadap apple vision pro melalui analisis berita twitter. 10(4), 3233–3246.

Farta Wijaya, R., Sitorus, Z., & Diva, K. (2025). Krisna Diva Analisis Sentimen Publik Berbasis KNN terhadap Kinerja Purbaya dan Sri Mulyani. Jurnal Pustaka AI, 5(3), 528–537. https://doi.org/10.55382/jurnalpustakaai.v5i3.1461

Hidayat, F. M., Sanjaya, H., Purnomo, D., Wiranto, H., Yayasan, U., Imam, P., & Majalengka, B. (2026). PEMODELAN TOPIK BERITA NASIONAL INDONESIA MENGGUNAKAN. 12(1), 33–39.

Karas, B., Qu, S., Xu, Y., & Zhu, Q. (2022). Experiments with LDA and Top2Vec for embedded topic discovery on social media data—A case study of cystic fibrosis. Frontiers in Artificial Intelligence, 5. https://doi.org/10.3389/frai.2022.948313

Kornelius, Y., & Surya, I. G. (2026). Analisis Sentimen Gemini AI Menggunakan Multinomial Naïve Bayes dengan TF-IDF dan BoW. 4, 253–264.

Mramra, W. Y. Y., & Nataliani, Y. (2025). Penentuan bidang unggulan akademik universitas melalui metode topik Linear Discriminant Analysis (LDA). IT-Explore: Jurnal Penerapan Teknologi Informasi Dan Komunikasi, 4(1), 93–105. https://doi.org/10.24246/itexplore.v4i1.2025.pp93-105

Muhammad Ramli, R., & Indah Ratnasari, C. (2025). Pemodelan Topik pada Komunitas Ekspresi Emosi Negatif di Media Sosial X Menggunakan LDA. Media Online), 6(1), 224–234. https://doi.org/10.47065/bulletincsr.v6i1.877

Nursyahrina, Defit, S., & Sovia, R. (2024). Metode BERTopic dan LDA untuk Analisis Tren Penelitian Bidang Ilmu Komputer. Jurnal KomtekInfo, 11(4), 332–341. https://doi.org/10.35134/komtekinfo.v11i4.580

Rakhmawati, N. A., Cisatra, A., Ansori, D. D. M., Akmal, D. N. F. A., & Ramadhani, S. (2024). Identifikasi Topik Hangat di Media Berita Menggunakan Latent Dirichlet Allocation. Journal of Information Engineering and Educational Technology, 8(1), 14–17. https://doi.org/10.26740/jieet.v8n1.p14-17

Salwa, G. (2025). EduTIK: Jurnal Pendidikan Teknologi Informasi dan Komunikasi Volume 1 Nomor 5, Oktober 2021. EduTIK: Jurnal Pendidikan Teknologi Informasi Dan Komunikasi, 2(5), 773.

Sepriadi, H., Sekarsari, C. R., Iriany, A., Achmad, A., Fernandes, R., Brawijaya, U., Korespondensi, P., Society, C., Allocation, L. D., & Modeling, T. (2025). Kombinasi Analisis Bibliometrik Dengan Latent Dirichlet Combination of Bibliometric Analysis With Latent Dirichlet Allocation As Topic Modeling of Cashless Society Behavior. 12(2), 331–338. https://doi.org/10.25126/jtiik.2025129244

Septiara, D. I., Arifianto, D., & Suharso, W. (2026). Analisis Topik Pada Transkip Video Pidato Politik Menggunakan Metode Latent Dirichlet Allocation ( LDA ) Topic Analysis in Political Speech Video Transcripts Using the Latent Dirichlet Allocation ( LDA ) Method. 11(1), 1–10.

Siahaan, A. L. (2025). Pengaruh Integritas dan Kapabilitas Kerja terhadap Kinerja Pegawai melalui Profesionalisme. Jurnal Syntax Admiration, 6(1), 431–450. https://doi.org/10.46799/jsa.v6i1.2049

Sofa, N., Utomo, F. S., & Saputro, R. E. (2025). Eksplorasi Model Hybrid Transformer-Latent Semantic Analysis ( LSA ) Untuk Pemahaman Konteks Teks Berita Berbahasa Indonesia Fakultas Ilmu Komputer , Universitas Amikom Purwokerto , Indonesia Exploration of Hybrid Transformer Model-Latent Semantic Analysi. 5(5), 1239–1252.

Syahputra Novelan, M., & Iqbal, M. (2025). Comparative Analysis of the Performance of K-Nearest Neighbor (K-NN) and Naive Bayes Algorithms on User Satisfaction Levels of the Tokopedia Application. Proceedings of The International Conference on Computer Science, Engineering, Social Science, and Multi-Disciplinary Studies, 1, 218–224.

Wakhid, N. K., Rosyid, H. Al, Ketintang, J., Gedung, W., & Timur, J. (2026). ANALISIS PERSEPSI PUBLIK TERHADAP RESHUFFLE MENTERI KEUANGAN 2025 BERDASARKAN TOPIC MODELING LDA PADA KOMENTAR YOUTUBE. 10(1), 646–654.

Yahya, S., Sitorus, Z., Iqbal, M., Nasution, D., & ... (2025). Analisis Sentimen Penerapan Deep Learning dan Analisis Sentimen terhadap Gap Kompetensi Lulusan Lembaga Pendidikan dan Pelatihan Vokasi terhadap Dunia …. Bulletin of Information …, 6(2), 0–11. https://doi.org/10.47065/bit.v5i2.2029

Downloads

Published

2026-06-08

Issue

Vol. 9 No. 3 (2026): June 2026

Section

Artikel

License

Copyright (c) 2026 Irwan, Dwina Pri Indini, Feby Wulandari Sembiring, Vina Gusti br Bangun, Daslan Fernando Aritonang

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Most read articles by the same author(s)