Penerapan Teknik Text Mining Untuk Model Pengelompokan Topik Konflik Sosial di Indonesia Menggunakan Algoritma K-Means

Pengelompokan konflik sosial menggunakan teknik text mining dilakukan untuk mengetahui jenis-jenis konflik. Pada penelitian ini pengolahan data dilakukan menggunakan bahasa R dengan aplikasi RStudio. Data didapatkan dari penambangan komentar masyarakat tentang konflik sosial di media sosial twitter dan menghasilkan 3952 data. Setelah data didapatkan lalu diolah menggunakan metode text cleaning untuk menghapus angka, simbol dan alamat url. Berikutnya melakukan text processing dengan langkah-langkah stemming, tokenizing, stopword removal dan TF-IDF. Metode TF-IDF mendapatkan hasil “konflik agraria” menjadi topik konflik sosial tertinggi dari penambangan data twitter. Penelitian ini menggunakan metode unsupervice dengan algoritma K-Means. Pertama yaitu menentukan jumlah cluster dengan menggunakan metode elbow plot dan menghasilkan sebanyak 6 cluster. Kedua, menghitung jarak tiap cluster dan mendapatkan nilai 0,566. Terakhir yaitu memasukkan seluruh anggota terpilih kesetiap cluster yang tersedia. Evaluasi K-Means dilakukan menggunakan metode Sum of Square Error dan mendapatkan nilai akurasi sebesar 97,2%. Jarak antar cluster dievaluasi menggunakan metode sillhoute coeffisien dan mendapatkan akurasi sebesar 96,7%. Kesimpulan pada penelitian ini adalah algoritma K-Means berhasil membuat pengelompokan topik berdasarkan jarak keterkaitan antar kata- kata.
Kata Kunci : Clustering, K-Means, Konflik Sosial, Text Mining, Twitter.