Analisis Topic Modelling pada Ulasan Aplikasi Weverse di Google Play Store dengan Latent Dirichlet Allocation (Studi Kasus : Ulasan Aplikasi Weverse di Google Play Store)

Abstract

Weverse hadir sebagai platform digital yang memfasilitasi interaksi antara artis K-Pop dan penggemar, serta menyediakan konten eksklusif. Sumber data yang digunakan untuk mengevaluasi pengalaman pengguna di ambil dari Google Play Store. Namun, volume data yang masif dan sifatnya yang tidak terstruktur menghambat efektivitas analisis manual. Sejalan dengan hal tersebut, penelitian ini bertujuan mengidentifikasi tema dominan dalam ulasan Weverse melalui pendekatan Latent Dirichlet Allocation (LDA). Data dikumpulkan menggunakan teknik scraping. Hasil pemodelan mengidentifikasi enam topik utama dengan nilai koherensi sebesar 0,406012, yang mengindikasikan tingkat konsistensi dan relevansi tema yang terdeteksi.