Eksplorasi berbagi terjemahan ayat Al-qur’an pada twitter menggunakan latent dirichlet allocation dengan gibbs sampling

Salah satu sosial media yang penggunanya meningkat tajam di masa pandemi covid-19 adalah twitter. Twitter menjadi salah satu platform yang digunakan bukan hanya untuk sarana hiburan, ungkapan pendapat namun juga sebagai sarana dakwah oleh para penggunanya. Banyaknya kutipan terjemahan Al-Qur’an berbahasa Indonesia yang ditemukan di jejaring twitter sebelum dan sesudah masa pandemi layak diteliti untuk mengetahui perbedaan topik yang terbentuk. Metode analisis yang digunakan adalah LDA dengan pendekatan teknik inferensi. Penelitian ini mengkomparasikan implementasi teknik inferensi gibbs sampling dan variational bayes pada LDA. Berdasarkan perhitungan topic coherence, LDA gibbs sampling memiliki nilai koherensi yang lebih baik daripada LDA variational Bayes. Nilai koherensi LDA dengan gibbs sampling untuk dataset sebelum dan sesudah Covid-19 masing-masing adalah 0,5826 dan 0,5709 atau dikategorikan cukup baik. Sedangkan nilai koherensi LDA dengan variational bayes masing-masing 0.4366 dan 0.5598. Sebanyak 150 topic modelling yang terbentuk dari LDA gibbs sampling dengan tingkat validasi sebesar 96,7% dinyatakan valid. Topik terpopuler pada dataset sebelum covid-19 adalah 6 topik tentang pembahasan ibadah dan 9 topik berisi perintah beribadah sedangkan pada dataset setelah covid-19, 6 topik tentang ibadah 9 topik tentang meminta tolong, memohon ampunan dan perintah untuk taat. Secara kuantitatif terjadi perubahan topik ayat yang paling banyak diretweet, like maupun reply saat sebelum dan setelah covid-19 akan tetapi surat terpopuler yang paling banyak dibagikan pada dua kejadian tersebut memiliki kesamaan yaitu Al-Baqarah, Ali Imran, Al-Isra’ dan An-Nisa’.