Penerapan Teknik Visualisasi Grafika Komputer pada Hasil Pemodelan Topik LDA Data Keluhan Nasabah Perbankan

Abstrak

Pemodelan topik menggunakan Latent Dirichlet Allocation (LDA) menghasilkan output berupa distribusi kata per topik yang bersifat abstrak dan sulit diinterpretasikan tanpa visualisasi yang tepat. Penelitian ini menerapkan teknik visualisasi grafika komputer—khususnya rendering Word Cloud menggunakan algoritma Flood Fill dan Archimedean Spiral Placement—untuk merepresentasikan hasil pemodelan topik LDA pada data keluhan nasabah perbankan dari ConsumerFinance.gov (6,3 juta entri, 2011–2024). Sepuluh topik keluhan utama yang sebelumnya telah diidentifikasi dengan coherence score optimal 0,56 divisualisasikan melalui Word Cloud, di mana ukuran kata proporsional terhadap bobotnya dalam setiap topik dan kode warna membedakan kategori topik. Algoritma Flood Fill diterapkan untuk pewarnaan berbasis region pada area kata, sementara Spiral Placement menentukan posisi kata yang tidak saling tumpang tindih. Hasil penelitian menunjukkan bahwa visualisasi secara efektif mengomunikasikan prominensi topik dan hubungan kata kunci yang kurang tampak dalam bentuk tabel. Representasi Word Cloud berhasil menonjolkan tema keluhan dominan seperti pelaporan kredit (25,67%), kesalahan pembayaran (18,10%), dan otorisasi data (12,20%). Pendekatan ini menunjukkan bahwa teknik grafika komputer dapat meningkatkan keterbacaan output NLP secara bermakna dalam konteks pengambilan keputusan berbasis data.