Hasil Pencarian  ::  Simpan CSV :: Kembali

"Istilah emosi yang selama ini digunakan seperti marah, sedih, takut belum memiliki batasan yang jelas sehingga sulit dibedakan. Valensi merupakan salah satu dimensi yang dapat lebih jelas membedakan emosi yang dirasakan seorang individu. Valensi diukur melalui status updates di Twittter karena Twitter sekarang ini dapat digunakan sebagai alat untuk menangkap emosi yang dirasakan individu melalui status updates yang ditulis individu di Twitter. Pengukuran valensi melalui Twitter sudah dilakukan sebelumnya dalam beberapa penelitian (Kloumann, Danforth, Harris, Bliss, & Dodds, 2012; Dodds, Harris, Kloumann, Bliss, & Danforth, 2011).Dalam penelitian ini, penulis ingin mencoba pengukuran valensi melalui Twitter di Indonesia. Selain akan melihat distribusi valensi yang ada melalui Twitter, baik valensi kata maupun valensi partisipan, penelitian ini juga akan melihat ada atau tidaknya kesamaan valensi diantara individu yang berteman. Hal ini dikarenakan terdapat kesamaan diantara individu yang berteman (Baker, 1983). Selain itu, hasil penelitian yang dilakukan oleh Fowler dan Christakis (2008) juga menunjukkan bahwa emosi seorang individu tergantung oleh emosi individu lain yang terhubung dengannya, seperti keluarga, teman, tetangga. Analisis jejaring sosial berdasarkan hubungan pertemanan juga dilakukan untuk melihat gambaran hubungan pertemanan diantara partisipan.

---

The term has been used in emotion such as anger, sadness, fear does not have clear boundaries so it?s difficult to distinguish. Valence is a dimension in emotion that can more clearly distinguish which emotions is felt by an individual. Valence is measured through status updates on Twitter because now it can be used as a tool to capture one invidual?s emotion through status updates on Twitter. Measurement of the valence through Twitter already done before in several research (Kloumann, Danforth, Harris, Bliss, & Dodds, 2012; Dodds, Harris, Kloumann, Bliss, & Danforth, 2011).

In this study, the authors want to try to measure the valence through Twitter in Indonesia. Besides the valence distribution, both word valence and participants valence, the study will also look at whether there is any similarity valence between individuals who are friends. This is because there are similarities among individuals who are friends (Baker, 1983). In addition, the results of research conducted by Fowler and Christakis (2008) also showed that the emotions of an individual depends on the emotions of other individuals who connected with them, such as family, friends, neighbors. Social network analysis based on friendship also made to see the picture of the friendship among the participants."

"Pandemi Covid-19 yang melanda berbagai negara belahan dunia disepanjang tahun 2020-2021 memunculkan isu-isu yang ramai dibicarakan, salah satunya adalah isu rasisme. Rasisme dapat terjadi di mana saja, seperti di lingkungan sekitar tempat tinggal, sekolah, tempat kerja, dan bahkan media sosial. Media sosial seperti Twitter mempunyai peran penting dalam menyebarluaskan isu-isu yang sedang trending. Akun @BTS_UPDATES_GER dalam tweet-nya menuliskan seruan untuk penyiar radio Bayern 3 karena saat siaran langsungnya telah melontarkan ujaran kebencian yang mengandung unsur rasis terhadap grup idola BTS. Melalui tweet tersebut muncullah berbagai reaksi dan ungkapan-ungkapan antirasisme terhadap orang Asia. Penelitian ini disusun dengan metode kualitatif dengan pendekatan analisis tekstual dan menggunakan teori analisis wacana kritis menurut Norman Fairclough. Penelitian ini bertujuan untuk menunjukkan ungkapan-ungkapan antirasisme terhadap cuitan tweet akun @BTS_UPDATES_GER. Hasil penelitian ini menunjukkan terdapat lima kelompok ungkapan antirasisme.

---

The Covid-19 pandemic that hit various countries of the world throughout 2020-2021 gave rise to issues that were widely discussed, one of which was the issue of racism. Racism can occur anywhere, such as in the neighborhood, school, workplace, and even social media. Social media, such as Twitter, has an important role in spreading trending issues. The @BTS_UPDATES_GER account, in its tweet wrote a call out to the Bayern 3 radio broadcaster because, during his live broadcast, he had uttered racist hate speech against the idol group BTS. Through these tweets came various reactions and expressions of anti-racism against Asians. This research was compiled using a qualitative method with a textual analysis approach and using critical discourse analysis theory, according to Norman Fairclough. This research aims to show the expressions of antiracism in the tweets of the @BTS_UPDATES_GER account. The results of this research show that there are five groups of antiracism expressions."

"Indonesia merupakan salah satu negara terbesar didunia dan rawan terhadap bencana alam. Dalam penanggulangan bencana alam dibutuhkan informasi mengenai jenis bencana alam, tingkat bahaya, dan lokasi terjadinya bencana alam agar dapat ditanggulangi dengan cepat. Sosial media merupakan salah satu sumber informasi kejadian bencana alam yang dapat membantu masyarakat untuk bertindak, karena dianggap informasi yang realtime dan banyak. Walaupun terdapat beberapa sistem pemantauan bencana alam, namun informasi yang diterima oleh pengguna atau masyarakat masih tidak lengkap / kurang lengkap, contohnya pada sistem yang dikembangkan oleh BNPB, Petabencana.id dan GDASC. Sistem tersebut belum menampilkan keseluruhan tipe bencana alam dan tingkat lokasi yang lebih detail. Penelitian ini berfokus memanfaatkan data media sosial Twitter untuk digunakan dalam mendeteksi bencana alam di Indonesia dengan realtime dan lebih detail. Jenis analisa yang digunakan pada penelitian ini adalah klasikasi yang mengategorikan ke dalam relevan/tidak relevan, jenis bencana alam, dan tingkat bahaya bencana alam. Algoritma klasifikasi yang digunakan pada penelitian ini adalah Naïve Bayes, Decision Tree, Support Vector Machiness (SVM). Metode ekstraksi fitur digunakan pada penelitian ini dengan memanfaatkan fitur Bag Of Words (BOW) dan Term Frequency - Inverse Document Frequency (TF-IDF). Teknik ekstraksi informasi lokasi yang digunakan pada penelitian ini adalah metode Named Entity Recognition (NER) pada sebuah data teks. Selanjutnya lokasi akan dikonversi menggunakan metode geocoding ke dalam koordinat latitude dan longitude untuk pembuatan peta spasial. Sehingga didapatkan sistem yang mampu mendeteksi bencana alam di Indonesia secara realtime dan detail

---

Indonesia is one of the largest countries in the world and is prone to natural disasters. In dealing with natural disasters, information is needed on the types of natural disasters, the level of danger, and the location of the natural disasters so that they can be handled quickly. Social media is a source of information on natural disasters that can help people to act, because it is considered real-time and a lot of information. Although there are several natural disaster monitoring sistems, the information received by users or the community is still incomplete / incomplete, for example in the sistems developed by BNPB, Petabencana.id and GDASC. The sistem does not yet display all types of natural disasters and at a more detailed location level. This research focuses on utilizing Twitter social media data to be used in realtime and more detailed detection of natural disasters in Indonesia. The type of analysis used in this study is a classification categorizing it into relevant / irrelevant, types of natural disasters, and level of natural disaster hazards. The classification algorithm used in this study is Naïve Bayes, Decision Tree, Support Vector Machiness (SVM). The feature extraction method is used in this study by utilizing the Bag Of Words (BOW) and Term Frequency - Inverse Document Frequency (TF-IDF) features. The location information extraction technique used in this study is the Named Entity Recognition (NER) method on a text data. Furthermore, the location will be converted using the geocoding method into latitude and longitude coordinates for making spatial maps. So that we get a system that is able to detect natural disasters in Indonesia in real time and in detail"

"Melalui teknologi, kegiatan sosial yang dahulu memerlukan kontak fisik kini dapat dilakukan jarak jauh melalui media sosial. Media sosial saat ini banyak digunakan untuk menyebarkan berbagai infromasi, baik mengungkapkan opini, perasaan, ataupun pendapat. Twitter memiliki pengguna akif terbanyak di Indonesia. Twitter merupakan salah satu sarana perusahaan untuk berkomunikasi dengan pelanggan. Salah satu perusahaan yang memanfaatkan twitter untuk berkomunikasi ke nasabahnya BNI. BNI memiliki jasa dan produk yang ditawarkan salah satunya yaitu Agen46. Agen46 merupakan mitra BNI dalam menyediakan layanan perbankan kepada masyarakat dalam rangka keuangan inklusif. Selain mitra BNI dalam penyediaan berbagai macam layanan perbankan, BNI Agen46 juga merupakan partner di dalam berbagai program pemerintah, seperti penyaluran bantuan sosial maupun subsidi untuk Keluarga Penerima Manfaat. Terdapat beberapa tweet yang cenderung mengarah ke ulasan yang negative, namun saat ini belum ada analisis sentimen terkait Agen46 berdasarkan data twitter. Penelitian ini bertujuan untuk membandingkan performa metode klasifikasi yang digunakan untuk sentiment analysis serta mencari topik terkait Agen46. Metode yang digunakan yang digunakan untuk pemodelan klasifikasi yaitu SVM, Naïve Bayes, dan KNN serta metode pemodelan topik yang digunakan yaitu LDA.Hasil dari penelitian menunjukkan bahwa SVM memiliki performa terbaik dengan nilai f1-score 91.25% dan akurasi 91.28%. Sedangkan Topik yang dihasilkan yaitu 2 topik kelas Positive (agen dapat memberikan tambahan penghasilan dan agen46 menjadi agen transformasi yang lebih dekat dengan nasabah), 2 topik kelas neutral (penyaluran bansos dapat dilakukan melalui agen46 dan selain melalui kantor cabang, internet banking, sms banking, transaksi juga bisa dilakukan di agen46), dan 6 topik kelas negative (permohonan buka blokir proses lama, belum ada respon saat gagal login, kendala mesin EDC Agen46, agen tidak dapat dihubungi, dan adanya ketidaknyamanan penyaluran bpnt).

---

Through technology, social activities that once required physical contact can now be done remotely through social media. Social media is currently widely used to disseminate various information, whether expressing opinions, feelings, or opinions. Twitter has the most active users in Indonesia. Twitter is one of the means for companies to communicate with customers. One company that utilizes twitter to communicate to its customers is BNI. BNI has services and products to offer, one of which is Agent46. Agen46 is a BNI partner in providing banking services to the community in the context of inclusive finance. In addition to BNI's partners in providing various banking services, BNI Agen46 is also a partner in various government programs, such as the distribution of social assistance and subsidies for Beneficiary Families. There are several tweets that tend to lean towards negative reviews, but currently, there hasn't been any sentiment analysis conducted regarding Agen46 based on Twitter data. This research aims to compare the performance of classification methods used for sentiment analysis and find topics related to Agent46. The methods used for classification modeling are SVM, Naïve Bayes, and KNN and the topic modeling method used is LDA.The results of the study show that SVM has the best performance with an f1-score value of 91.25% and an accuracy of 91.28%. While the topics generated are 2 Positive class topics (agents can provide additional income and agent46 becomes a transformation agent that is closer to customers), 2 neutral class topics (social assistance distribution can be done through agent46 and in addition to branch offices, internet banking, sms banking, transactions can also be done at agent46), and 6 negative class topics (unblock request is a long process, there is no response when login fails, Agent46 EDC machine constraints, agents cannot be contacted, and there is inconvenience in bpnt distribution)"

"Penelitian mengenai variasi bahasa merupakan pembahasan dalam penelitian sosiolinguistik. Variasi bahasa dapat dipengaruhi oleh faktor sosial seperti gender. Berbagai penelitian mengenai variasi bahasa berdasarkan gender menunjukkan bahwa terdapat perbedaan bahasa yang digunakan oleh laki-laki dan perempuan. Akan tetapi, hal tersebut dapat berubah seiring dengan munculnya pengaruh media sosial baik pada penggunaan bahasa oleh laki-laki maupun perempuan. Berdasarkan hal tersebut, penelitian ini mengungkapkan bagaimana karakteristik bahasa di media sosial dan penggunaannya berdasarkan gender. Tujuan penelitian ini untuk mendeskripsikan karakteristik variasi bahasa Indonesia di media sosial dan penggunaannya berdasarkan gender. Penelitian mengenai variasi bahasa Indonesia di media sosial berdasarkan gender merupakan penelitian kualitatif dan kuantitatif (campuran). Untuk meneliti variasi bahasa Indonesia di media sosial, sumber data yang digunakan adalah twit yang dikumpulkan dari media sosial Twitter. Hasil penelitian ini memperlihatkan bahwa karakteristik variasi bahasa di media sosial Twitter dapat dibagi menjadi fitur kebahasaan yang termasuk ke dalam variasi bahasa dan karakteristik bahasa perempuan. Fitur kebahasaan yang paling banyak ditemukan dalam penelitian ini adalah zeroisasi, abreviasi, perubahan grafi, emotikon dan emoji, pronomina, campur kode, dan istilah kekerabatan. Selain itu, penelitian ini menunjukkan adanya perubahan penggunaan bahasa oleh perempuan. Perubahan tersebut menunjukkan bahwa perempuan cenderung menggunakan bahasa non-standar dan kata-kata tabu atau makian di media sosial.

---

Research on language variation falls under the category of sociolinguistic. Language variation can be influenced by social factor such as gender. Various studies on language variations based on gender show that there are differences in the language used by men and women. However, this can change with the emergence of social media’s influence on the use of language by both men and women. Therefore, this study reveals the characteristics of language variation on social media and their usage based on gender. The purpose of this study is to describe the characteristics of Indonesian language in social media and their usage based on gender. The study on the variation of Indonesian language on social media based on gender is done through qualitative and quantitative methods (mixed methods). To analyse this research, the data source being used are tweets collected from Twitter. The findings suggest that the characteristics of language variation on Twitter can be divided into language features which include language variation and characteristics of women’s language. The language features that are most commonly found on this study are zeroization, abbreviation, graph changes, emoticons and emojis, pronouns, mixing code, and kinship terms. Furthermore, this study shows changes in women’s language. These changes indicate that women tend to use non-standard language and taboo or swear words on social media."

"Skripsi ini meneliti bagaimana penggunaan konteks, kolokasi, serta makna satire yang ditimbulkan pada status akun Twitter Liputan9. Tujuan penelitian ini adalah untuk menjelaskan dan mendeskripsikan penggunaan konteks dan kolokasi pada tiap unggahan status akun Twitter Liputan9. Kemudian melihat makna satire yang ditimbulkan dari gabungan kedua faktor tersebut. Metode penelitian yang digunakan adalah metode kualitatif. Teori yang digunakan dalam penelitian ini adalah teori konteks dari Joan Cutting, teori kolokasi dari Halliday dan Hasan, serta pengertian satire dari Gorys Keraf. Hasil penelitian ini adalah aspek kelucuan menjadi formula yang harus ada pada tiap pengunggahan status Twitter Liputan9 mengingat akun tersebut adalah akun berisi parodi atas kejadian-kejadian yang sudah maupun sedang terjadi, baik di dalam maupun luar negeri. Kesimpulannya, dari temuan konteks, kolokasi, satire, serta pola pembentuk kelucuan, empat temuan tersebut saling mendukung dan berkaitan dalam penginterpretasian makna di balik status Twitter Liputan9.

---

The focus of this study is about the use of context, collocation, and the meaning of satire inflicted on the status of Liputan9 Twitter account. The purpose of this study was to explain and describe the usage context and collocation of each status of Liputan9 Twitter account. Then, examining the meaning of satire arising from the combination of both factors. The research method used was a qualitative method. The theory used in this research is the theory of context by Joan Cutting, collocation theory of Halliday and Hasan, and Gorys Keraf theory about satire. The results of this research are: aspects of humor became a formula that must exist on each status of Liputan9 Twitter account, because its account contains a parody about the events that have been and is going on, both at home and abroad. In conclusion, the findings of the context, collocation, satire, and humor-forming pattern, all of it are making connection to each other and became the ways to interpret the meaning of behind the status of Liputan9 Twitter account."

"Makalah ini membahas tentang fenomena bromance pada laki-laki Korea khususnya di BIPA (Bahasa Indonesia untuk Penutur Asing) yang berada di Fakultas Ilmu Budaya Universitas Indonesia. Penelitian ini adalah penelitian kualitatif dengan desain deskriptif yang menunjukan bahwa kebanyakan laki-laki di Korea terlibat dalam hubungan pertemanan yang sangat dekat yang disebut bromance dan memicu munculnya skinship di kehidupan mereka. Perkembangan fenomena ini tidak terlepas dari pengaruh Konfusianisme yang mengakar kuat di Korea. Tidak hanya di Korea, warga Korea yang berada di luar Korea pun tidak bisa meninggalkan kebiasaan tersebut.

---

This paper examines the phenomenon of bromance among Korean boys, especially those in Faculty of Humanities? BIPA. This is a qualitative research with descriptive design which shows that most of boys in Korea are engage in a close relationship that is called bromance and it causes skinship in their lives. The development of this phenomenon cannot be separated from the influence of Confusianism that deeply rooted in Korea. Not only in Korea, Korean citizens who live in other countries are also cannot leave that habit."