Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSkripsi ini akan membahas implementasi perancangan aplikasi data mining yang ditulis menggunakan bahasa pemrograman Java untuk mendapatkan konten media sosial terkait sentimen mengenai pengalaman pembelajaran dari pelajar di Indonesia. Aplikasi Java yang dirancang akan meminta masukan kata kunci pencarian kepada pengguna, untuk kemudian dilakukan pencarian menggunakan library twitter4j untuk dapat mengakses endpoint search/tweets.json yang terdapat pada Twitter core API. Setelah melakukan pencarian konten media sosial, aplikasi akan menuliskan hasil pencarian ke dalam berkas spreadsheet untuk dianalisis lebih lanjut. Hasil dari spreadsheet tersebut kemudian dilakukan perhitungan untuk masing-masing keyword nya dan ada pengkategorian lebih lanjut untuk sentimen negatif. Hasil dari pengambilan data yang berjumlah 2000 tweet menunjukkan sentimen positif mempunyai persentase paling sedikit, yaitu 596 (30%), sentimen negatif berjumlah 600 (30%) dan sentimen netral persentasenya paling besar, yaitu 804 (40%). Lalu untuk pengkategorian sentimen negatif, kategori 3 yaitu Emosi Negatif berjumlah paling banyak dengan jumlah 303 tweet (50%). Sedangkan kategori 1, 2, 4 dan 5 masing-masing mempunyai persentase 12%, 11%, 9% dan 18%.

---

ABSTRACT

This thesis discuss about data mining application design written in Java language program to get social media content regarding learning experience sentiment from student across Indonesia. Designed Java application will inquire searching keywords from users and then it will search using library twitter4j to access endpoint search/tweets.json in Twitter core API. After searching process, the application will write the search result into spreadsheet for further analysis. The data result saved in the spreadsheet will be compute for each keywords and there will be further classification for negative sentiment result. Sample from 2000 tweets shows positive sentiment has the least percentage, about 596 tweets (30%), negative sentiment has 600 tweets (30%) and neutral sentiment has the biggest value, 804 tweets (40%). For negative sentiment classification, Negative Emotion as category 3 has the most tweets with 304 tweets (50%). Meanwhile, category 1,2,4 and 5 have percentages with each value consist 12%, 11%, 9% and 18%."

"Skripsi ini membahas mengenai sufiks -teki sebagai hedge (pagar) dalam cuitan (tweet) yang diposting dalam situs jejaring sosial Twitter pada bulan Oktober 2016. Tujuan dari penelitian ini adalah untuk memerikan sufiks -teki sebagai hedge (pagar). Dengan memerikan sufiks -teki sebagai hedge (pagar), dapat diketahui penggunaan dan fungsi sufiks -teki sebagai hedge (pagar). Selain itu, dapat diketahui sikap pencuit yang menggunakan sufiks -teki dalam cuitannya. Hasil penelitian menunjukkan bahwa berdasarkan 21 data yang dianalisis, penggunaan sufiks -teki sebagai hedge (pagar) dapat dikelompokkan berdasarkan posisi, yaitu penggunaan sufiks -teki pada pronomina persona pertama, sufiks -teki pada kuotasi, dan sufiks -teki (na) pada modifikator nomina. Sufiks -teki berfungsi untuk menghaluskan ujaran. Hal ini dipicu oleh sikap pencuit yang berupaya untuk menghindari konflik dengan pembaca cuitan.

---

The focus of this study is the use of the suffix -teki as a hedge found on tweets posted on October 2016 on the social media site Twitter. The purpose of this research is to describe the suffix -teki as hedge. By describing the suffix -teki as hedge, the use of suffix -teki as hedge and its functions will be discovered. Moreover, the tweeter (the person who tweeted) attitude toward their tweets will be found out. Based on the 21 tweets analyzed, the suffix -teki used as hedges can be divided into three groups based on its position in the sentence, which are the use of the suffix -teki after first person pronouns, suffix -teki after quotation, and suffix -teki (na) after noun modifier. The use of the suffix -teki as a hedge implies that the tweeter (the person who tweeted) weakens the assertion of the speech. The use of the suffix -teki as a hedge is motivated by the attitude of tweeter who attempted to avoid conflicts with the readers."

"ABSTRAKEra globalisasi tidak dapat menahan besarnya pengaruh kecanggihan teknologi informasi, salah satunya adalah internet. Perkembangan teknologi internet tentu meningkatkan jumlah informasi yang tersedia. Informasi tersebut dapat berupa berita ? berita aktual yang dapat diakses melalui media sosial, seperti Twitter. Oleh karena itu, dibutuhkan suatu cara cepat dan efisien untuk menemukan topik utama dari Twitter. Pendeteksian topik pada dokumen yang sangat besar sulit dilakukan secara manual sehingga dibutuhkan metode otomatis, salah satunya faktorisasi matriks yaitu Nonnegative Matrix Factorization (NMF). Salah satu metode NMF yang telah berhasil dikembangkan dengan komplesitas waktu polinomial adalah P-NMF dengan algoritma AGM yang memiliki asumsi bahwa setiap topik memiliki sedikitnya satu kata yang tidak terdapat pada topik lainnya yang disebut sebagai kata anchor. P-NMF dengan algoritma AGM terdiri dari tiga tahapan, yaitu pembentukan matriks coocurance, pencarian kata anchor, dan recover. Pada penelitian ini akan diterapkan P-NMF dengan Recover KL untuk mendeteksian topik pada twitter, kemudian hasilnya akan dibandingkan dengan LDA dan P-NMF dengan Original Recover. Penelitian menunjukan bahwa P-NMF dengan Recover KL mampu meningkatkan akurasi untuk pendeteksian topik pada Twitter.

---

ABSTRACTThe era of globalization can?t withstand the influence of sophistication of information technology, such as Internet. Development of Internet technology would increase the amount of information. The information may be actual news that can be accessed through social media, such as Twitter. Therefore, needed a fast and efficient way to find the main topics of Twitter. Detection topics on very large documents difficult to do manually so it takes automated methods, one of which is nonnegative matrix factorization (NMF). One method that has been successfully developed NMF with polynomial time complexity is P-NMF algorithm AGM which assumes that each topic has at least one word that doesn?t appear on other topics, called anchor words. P-NMF algorithm AGM consists of three steps, the establishment of a matrix coocurance, finding anchor words, and recover. This research will be implemented P-NMF with Recover KL to detect topics on twitter, then the results will be compared with the LDA and P-NMF with Original Recover. Research shows that P-NMF with Recover KL can improve detection accuracy for topics on Twitter."

"Tesis ini membahas kebutuhan-kebutuhan pengguna terhadap kepuasan dan niat keberlanjutan penggunaan dengan berlandaskan teori uses and gratifications. Penelitian ini merupakan penelitian kuantitatif dengan pendekatan eksplanatif. Sebanyak 405 responden dengan kriteria yaitu pengguna Twitter yang tergabung sebagai follower akun autobase @indomyfess, berhasil diperoleh dengan kuesioner yang disebar secara nline. Metode analisis deskripitif dan SEM digunakan untuk membuktikan adanya pengaruh kepuasan penggunaan terhadap niat keberlanjutan penggunaan media sosial. Mengadopsi kerangka penelitian Bae (2017), terdapat tiga hipotesis dalam penelitian ini, yaitu kebutuhan yang dicari pengguna terpuaskan. Kedua, masing-masing terpenuhinya kebutuhan berpengaruh terhadap kepuasan pengguna secara menyeluruh. Ketiga, kepuasan pengguna berpengaruh terhadap niat keberlanjutan penggunaan media sosial. Selisih gratification sought dan gratification obtained menemukan bahwa pada aspek sosialiasi, kenyamanan, dan dukungan sosial, kebutuhan pengguna terpenuhi. Kemudian hasil penelitian membuktikan bahwa kebutuhan yang terpenuhi mempengaruhi kepuasan pengguna dan kepuasan pengguna mengarah pada niat keberlanjutan penggunaan. Di masa depan, penelitian dapat menekankan faktor komunitas yang tidak dibahas mendalam pada penelitian ini.

---

This study discusses the user needs towards satisfaction and intention to continue using social media based on the uses and gratifications theory. This research is an quatitative research with explanatory approach used. A total of 405 respondents with the criteria, that is Twitter users who follow autobase account @indomyfess, were successfully obtained with questionnaires distributed online. Descriptive analysis and SEM methods were used to demonstrate the effect of user satisfaction on the intention to continue using social media. Adopting research framework of Bae (2017), there are three hypotheses in this study, firstly the needs which users seek are satisfied. Secondly, the fulfillment of each need affects overall user satisfaction. Thirdly, user satisfaction affects the intention to continue using social media. Using gratification sought and gratification obtained, it found that user needs in aspect of socialization, convenience, and social support, were met. Moreover, results of the study prove that fulfilled needs affect user satisfaction and user satisfaction leads to the continuance usage for social media users. In the future, research may emphasize community factors which were not discussed in depth in this study."

"Kejadian banjir ekstrem diperkirakan semakin sering terjadi seiring dengan perubahan iklim yang belum menunjukkan tanda-tanda perbaikan. Hal ini berpotensi menyebabkan curah hujan yang lebih tinggi dari rata-rata dan laju kenaikan genangan banjir yang lebih cepat dari biasanya. Ketidaktahuan bahwa suatu daerah tergenang banjir juga bisa mengakibatkan kendaraan terjebak di daerah banjir, kemacetan lalu lintas, serta terlambatnya evakuasi warga terutama yang tinggal di daerah rawan banjir. Penelitian ini bertujuan memberikan alternatif sumber informasi mengenai ketinggian genangan banjir dengan memanfaatkan data teks dari tweet pada media sosial Twitter. Salah satu tantangannya yaitu bahwa ketinggian genangan tidak selalu disebutkan dalam standar satuan internasional seperti centimeter atau meter sehingga machine learning digunakan untuk mengatasinya. Penyebutan ketinggian genangan didapati bisa menggunakan referensi bagian tubuh seperti lutut dan pinggang, serta juga bagian kendaraan atau kondisi jalan. Model yang diusulkan memberikan dua keluaran, yaitu kategori relevansi tweet terhadap informasi ketinggian banjir (Relevan atau Tidak Relevan) dan kategori ketinggian banjir (Tinggi, Sedang, Rendah, dan Tidak Diketahui). Algoritma klasifikasi yang digunakan yaitu SVM (Linear SVC dan RBF), Logistic Regression, Random Forest, Decision Tree, dan Naïve Bayes. Hasil uji coba menunjukkan bahwa nilai akurasi tertinggi untuk klasifikasi relevansi tweet adalah 91% dan F1-score tertinggi sebesar 82% diperoleh dengan menggunakan algoritma SVM Linear SVC. Sedangkan hasil klasifikasi ketinggian genangan terbaik diperoleh saat menggunakan SVM Linear SVC dengan akurasi 83% dan rata-rata F1-score 70%.

---

Extreme flood events are expected to occur more frequently as climate change has yet to show signs of improvement. This has the potential to lead to higher rainfall and floods that come more quickly. This has the potential for vehicle trapping, traffic jams, or delay in evacuation for people who live in areas which are prone to flooding. Hence, this study aims to provide an alternative source of information in flood conditions by using data in social media Twitter. One of the challenges was information about inundation level is not always in international standard unit like centimeter or meter so that machine learning was used to cope with this problem. Mention of inundation level was found to be done by also referring to certain body parts like knee and waist, and also parts of vehicles or road condition. The proposed model is expected to provide two outputs, which are relevance category of tweet (Relevant or Irrelevant) and inundation level category (High, Medium, Low, Unknown). Some classifier algorithms were used, like SVM (Linear SVC and RBF), Logistic Regression, Random Forest, Decision Tree, and Naïve Bayes. The test results showed that the best relevance classification resulted in 91% accuracy (SVM Linear SVC) and 82% average F1-score by using SVM Linear SVC. On the other side, the best result of classification of inundation level was obtained when using SVM Linear SVC which resulted in 83% accuracy and 70% average F1- score."

"

Penulisan ini membahas pengaruh sentimen twitter terhadap mispricing pada perusahaan terdaftar di Indonesia periode tahun 2013-2017. Penulisan ini membandingkan beberapa metode yaitu Naïve Bayes, Support Vector Machine, dan Decision Tree untuk mendapatkan metode klasifikasi sentimen dengan akurasi tertinggi. Hasil yang didapat menunjukkan tingkat akurasi Decision Tree paling tinggi dibandingkan metode lainnya. Pengukuran mispricing menggunakan metode skoring dari Stambaugh, Yu dan Yuan (2012)untuk 9 anomali dengan strategi long/short. Hasil menunjukkan bahwa sentimen berpengaruh rendah dan signifikan terhadap returns saham di Indonesia. Strategi long-leg lebih menguntungkan ketika sentimen rendah atau negatif, dan strategi short-leg lebih menguntungkan ketika sentimen rendah atau positif.

---

This paper examines the impact of twitter sentiment on mispricing in Indonesia listed firms over period 2013-2017. This study also compares machine learning methods for sentiment classification based on Na ve Bayes, Support Vector Machine and Decision Tree algorithm. The results show that Decision Tree has the highest accuracy than other methods. To measure mispricing, we use mispricing score method from Stambaugh, Yu and Yuan (2012)associated with 9 long/short anomalies. The results of this studies show that sentiment exhibits low and significant relation to returns on the long/short strategies. The long-leg strategy is more profitable following low sentiments or negative sentiments. The short-leg strategy is more profitable following low sentiments or positive sentiments.

"

"Twitter merupakan salah satu media sosial yang sangat populer dan banyak digunakan untuk berbagai kepentingan, salah satunya adalah sebagai media promosi. Tujuan dari penelitian ini adalah untuk mengetahui pemberdayaan Twitter sebagai media promosi Perpustakaan Universitas Indonesia. Penelitian ini merupakan penelitian kualitatif dengan menggunakan metode studi kasus. Hasil dari penelitian ini adalah temuan interaksi antara pustakawan dan pemustaka di Perpustakaan Universitas Indonesia terkait adanya aliran informasi dan komunikasi dua arah melalui Twitter. Perpustakaan Universitas Indonesia belum maksimal dalam memanfaatkan Twitter karena adanya kendala pada pustakawan dalam mempublikasikan hasil pekerjaannya.

---

Twitter is one of the social media. It is very popular and widely used for various purposes, one of which was as a media promotion. The purpose of this research is to know the empowerment of Twitter as a promotional media Universitas Indonesia Library. This research is qualitative research using the case study method. The results of this research are findings of the interaction between user and librarian at the Universitas Indonesia Library related to the flow of information and two-way communication via Twitter. University Indonesia Library have not been fullest in utilizing Twitter due to constraints on librarians in publicizing the results of its work."

"Role-play merupakan sebuah bentuk fan-activites yang dilakukan oleh fandom yang mana individu memainkan karakter dari cerita yang sudah ada serta melakukan kontrol identitas ketika berinteraksi dengan sesama role-players di ranah maya. Meskipun berinteraksi dengan identitas maya, hubungan yang terjalin antar sesama role-players bisa berlanjut ke ranah nyata. Dengan melakukan penelitian etnografi, peneliti berusaha untuk mendeskripsikan bagaimana proses perkembangan hubungan tersebut terjadi. Hasil observasi dan wawancara menunjukkan bahwa adanya kesamaan mendorong pembentukan hubungan interpersonal. Penelitian juga menemukan beberapa cara yang memungkinkan role-players untuk beralih dari identitas maya ke nyata serta bagaimana mereka melakukan self-disclosure sehingga mereka bisa saling merasa dekat dan melanjutkan hubungan interpersonal mereka ke ranah nyata.

---

Role-play is a form of fan-activities done by fandom in which they play existing characters and do identity control as they interact with other role-players. Although they interact in their online identity, they have possibilities to bring the relationship they built into their real life. By doing ethnographic research, i am trying to describe the process of this relationship development.

The results of observation and interview showed that similarity motivates the formation of interpersonal relationship. This research also found several possible ways for role-players to switch their online identity to offline identity and how they do self disclosure so that they feel intimate to each other and bring their interpersonal relationship to real life. "

"Kemajuan teknologi informasi dan internet membuka peluang munculnya bentuk- bentuk baru dari pelecehan seksual terhadap perempuan. Media sosial seperti Twitter pun menjadi tempat bentuk baru pelecehan seksual marak terjadi. Meningkatnya penggunaan Twitter selama pandemi COVID-19 semakin memperbanyak kasus pelecehan seksual yang terjadi. Cyber flashing sebagai tindakan mengirim foto seksual eksplisit secara tiba-tiba dan tanpa persetujuan penerimanya menjadi salah satu bentuk pelecehan seksual yang difasilitasi teknologi serta terjadi di Twitter. Penelitian ini mendeskripsikan bagaimana cyber flashing dipraktikkan di Twitter. Penelitian ini menggunakan metode kualitatif yang mencakup observasi partisipan serta melibatkan perempuan pengguna Twitter yang menjadi korban dari praktik cyber flashing dalam wawancara mendalam. Praktik cyber flashing sebagai bentuk pelecehan seksual online menghambat perempuan dalam mewujudkan agensi mereka melalui ekspresi diri di Twitter. Penelitian ini juga melihat bagaimana perempuan memahami praktik cyber flashing serta bagaimana perempuan menanggapi praktik ini melalui tindakan resistensi. Hasil penelitian menunjukkan bahwa perempuan melakukan bentuk resistensi nontradisional dengan memanfaatkan sumber daya yang mereka miliki di platform media sosial ini. Pada akhirnya, perempuan membentuk rasa aman dan mewujudkan agensi yang dimiliki dengan cara mereka sendiri.

---

Advances in information technology and the internet open up opportunities for the emergence of new forms of sexual harassment against women. New forms of sexual harassment are rife on social media platforms such as Twitter. The increasing use of Twitter during the COVID-19 pandemic has increased the number of sexual harassment cases. Cyber flashing is one of the sexual harassment forms that is facilitated by technology and occurs on Twitter. This research describes how cyber flashing is practiced on Twitter. This research employs a qualitative method that includes participant observation and involves women users who are victims of cyber flashing in in-depth interviews. The practice of cyber flashing as a form of online sexual harassment prevents women from exercising their agency through self-expression. This research also looks at how women perceive the practice of cyber flashing and how they respond to it through resistance. The findings show that women carry out non- traditional forms of resistance by utilizing the resources they have on this social media platform. Women ultimately create a sense of security for themselves and expresstheir agency in their own way."