DETEKSI TOPIK FRAUD MENGGUNAKAN LATENTDIRICHLET ALLOCATION (LDA): STUDI KASUSPADA DATA APLIKASI X

Abstrak

Maraknya kasus kecurangan (fraud) di Indonesia banyaknya informasi pada media sosial mendorong perlunya pendekatan berbasis data untuk mendeteksi indikasi fraud secara lebih cepat dan sistematis. Penelitian ini bertujuan untuk mengidentifikasi pola topik yang berkaitan dengan fraud melalui analisis teks pada platform X menggunakan metode Latent Dirichlet Allocation (LDA). Penelitian menggunakan pendekatan mix methods dengan teknik web scraping terhadap unggahan publik berbahasa Indonesia periode Januari–November 2025 yang mengandung kata kunci terkait fraud. Data diproses melalui tahapan preprocessing meliputi case folding, tokenization, normalisasi, stopword filtering, serta pembentukan bigram dan trigram, kemudian dilakukan pemodelan topik dan evaluasi menggunakan C_v (C_v) untuk menentukan jumlah topik optimal. Hasil penelitian menunjukkan bahwa model LDA mampu mengelompokkan percakapan publik ke dalam beberapa topik utama seperti korupsi, manipulasi laporan keuangan, penyalahgunaan aset, dan praktik suap, dengan tingkat koherensi yang menunjukkan kualitas pemodelan yang baik. Implementasi model dalam aplikasi berbasis Streamlit juga membuktikan bahwa sistem dapat digunakan sebagai alat bantu screening awal indikasi fraud. Penelitian ini menyimpulkan bahwa LDA efektif sebagai metode eksploratif untuk mendeteksi pola fraud pada media sosial, namun hasilnya bersifat indikatif dan memerlukan verifikasi lebih lanjut.

Identifier

• OpenAlex: https://openalex.org/W7166633380