Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKFenomena virtual idol di Jepang bukanlah sesuatu yang aneh jika ditinjau dengan konsep simulasi yang dikemukakan oleh Jean Baudrillard. Skripsi ini akan membahas mengenai Twitter Tsukiuta yang berfungsi sebagai media simulasi dan membentuk citra dari karakter virtual ido1. Tahapan analisis hipersemiotika dimulai dengan menganalisis penanda simulasi pada Twitter Tsukiuta. Hasil analisis kemudian dikaitkan dengan teori simulasi Baudrillard. Dari analisis penanda simulasi, pada Twitter Tsukiuta terbentuk citra karakter yang seolah-olah hidup di dunia nyata. Citra yang terbentuk dalam Twitter Tsukiuta merupakan anomali jika ditinjau dari konsep tahap pembentukan citra dan konsep hiper-realitas Baudrillard.Fenomena virtual idol di Jepang bukanlah sesuatu yang aneh jika ditinjau dengan konsep simulasi yang dikemukakan oleh Jean Baudrillard. Skripsi ini akan membahas mengenai Twitter Tsukiuta yang berfungsi sebagai media simulasi dan membentuk citra dari karakter virtual ido1. Tahapan analisis hipersemiotika dimulai dengan menganalisis penanda simulasi pada Twitter Tsukiuta. Hasil analisis kemudian dikaitkan dengan teori simulasi Baudrillard. Dari analisis penanda simulasi, pada Twitter Tsukiuta terbentuk citra karakter yang seolah-olah hidup di dunia nyata. Citra yang terbentuk dalam Twitter Tsukiuta merupakan anomali jika ditinjau dari konsep tahap pembentukan citra dan konsep hiper-realitas Baudrillard.

---

ABSTRACTVirtual idol in Japan is not a strange phenomenon if we observe it based on Jean Baudrillard rsquo s simulation concept. This thesis will explain about Tsukiuta rsquo s Twitter that has function as media of simulation and constructs the images of virtual idol character. The steps of hypersemiotics analitical started by analyze the signifiers of simulation in Tsukita rsquo s Twitter. After that, the analysis result will be linked to Baudrillard rsquo s simulation theory. From the signifiers analysis, the image that shown by Tsukiuta rsquo s Twitter is as the characters was life in real world. That image is an anomaly if we observe it based on the concept of successive phase of image and the concept of hyperreality."

"Di era ini, seluruh masyarakat dapat bebas mengemukakan pendapat. Khalayak dapat berkomentar di media sosial milik mereka berdasarkan pandangan yang mereka miliki. Dalam hal ini Twitter sebagai platform media sosial berbasis teks mengizinkan setiap orang untuk mengutarakan pendapat mereka. Pandangan pengguna Twitter ini dirasa dapat membentuk citra dari seluruh perusahaan. Penelitian ini bertujuan untuk menganalisis pandangan pengguna twitter terhadap suatu isu dalam pembentukan citra perusahaan dalam hal ini yang terjadi dalam kasus NET TV. Penelitian ini menggunakan pendekatan kualitatif dengan metode pengumpulan melalui wawancara, observasi, dokumentasi, dan studi kepustakaan. Dalam pembahasan dan analisis data digunakan kerangka konsep teoritis mengenai pandangan khalayak media dalam pembentukan citra perusahaan Dalam penelitian ini dibuktikan bahwa pandangan pengguna Twitter terhadap isu bangkrut NET TV dilihat dapat membentuk perusahaan televisi nasional NET TV.

---

In this era, all people can freely express their opinions. Audiences can comment on their social media based on the views they have. In this case Twitter as a text-based social media platform allows everyone to express their opinions. This Twitter user appearance can be felt to form the image of the entire company. This study aims to analyze the user's view of a problem in shaping corporate image in this case which occurs in the case of NET TV. This study uses qualitative methods that are collected through interviews, observation, documentation, and literature studies. In the discussion and analysis of data, a discussion about the opinion of media audiences is used in describing the company's image."

"ABSTRAK<>br>Dalam beberapa tahun terakhir, masalah pengukuran kredibilitas informasi di jaringan sosial mendapat perhatian yang cukup besar terutama di bawah situasi darurat. Hal itu merupakan konsekuensi dari membeludaknya informasi, terlebih ketika semua orang bebas berperan sebagai sumber informasi.Penelitian ini menyoroti buramnya dinding pembatas antara fakta dan hoax di Indonesia, sehingga hal itu menyebabkan banyaknya kasus penyebaran hoax di media. Jika dibiarkan hal tersebut dapat berdampak buruk bagi seorang pribadi ataupun organisasi yang diserang isu hoax. Survei yang dilakukan Intelligence Media Management IMM menyatakan terdapat peningkatan tajam di tahun 2016 dari 1572 menjadi 7311 pemberitaan media. Dan berdasarkan hasil survei yang dilakukan masyarakat telematika mastel Indonesia hampir dari seluruh responden 84,5 menyatakan terganggu dengan maraknya berita hoax yang dapat mengganggu kerukunan masyarakat dan menghambat pembangunan nasional.Menurut Menteri Komunikasi dan Informatika Rudiantara, langkah nyata yang bisa dilakukan adalah menyaring informasi menjadi lebih cepat dan tegas. Untuk itu diperlukan tindakan sehingga penyebaran hoax di media dapat diturunkan. Tujuan dilakukannya penelitian ini adalah untuk mengidentifikasi konten di media sosial merupakan suatu hoax atau tidak pada saat konten tersebut beredar. Metodologi yang digunakan di dalam penelitian ini dimulai dengan mengumpulkan tweets yang terindikasi hoax lalu dilakukan proses pengolahan data dengan membuat suatu model text mining yang dapat memprediksi suatu konten berpotensi hoax atau tidak.Hasil dari penelitian ini yaitu didapatkan sebuah model berbasis pembelajaran sendiri menggunakan algoritma LinearSVC dengan akurasi 91 yang dapat memprediksi apakah suatu tweet merupakan berpotensi hoax atau tidak sehingga membantu dalam menyaring suatu informasi yang diharapkan dapat mengurangi penyebaran hoax di Indonesia.

---

ABSTRACT<>br>In recent years, the problem of measuring the credibility of information on the social network received considerable attention, especially under emergency situations. This is the consequence of too many information, especially when everyone is free to act as a source of information.The study highlights the blurring of the dividing wall between fact and hoax in Indonesia, so it causes many cases of spread of hoaxes in the media. If left unchecked it can be bad for a person or organization that attacked the issue of hoaxes. Surveys conducted by Intelligence Media Management IMM said there is a sharp increase in 2016 from 1572 content into 7311 content spread in media. And based on the results of a survey conducted by telematics community Mastel Indonesia almost of all respondents 84.5 declared disturbed by the rise of the hoax news that could disturb social harmony and impede national development.According to the Minister of Communications and Information Rudiantara, concrete steps that can be done is to filter information faster and firmer. It required the action so that the spread of hoax in the media can be derived. The purpose of this research is to identify content in social media is a hoax or not when the content is spreading. The methodology used in this research begins with collecting tweets that indicated hoax and then performed data processing by creating a text mining model that can predict a potentially hoax content or not.The result of this research is a machine learning model using LinearSVC algorithm with 91 accuracy which can predict whether tweet potentially hoax or not, thus helping the filtering of information expected to reduce the spread of hoax in Indonesia."

"ABSTRAKKebebasan berpendapat melalui media sosial untuk mengungkapkan pikiran, pendapat dan tanggapan terhadap suatu topik tertentu menimbulkan dampak negatif berupa konten yang menebarkan kebencian. Penelitian ini bertujuan untuk melakukan deteksi sebuah informasi yang merupakan ujaran kebencian di media sosial Twitter. Data yang digunakan berjumlah 4.002 data sentimen terkait topik politik, agama, suku dan ras di Indonesia. Pada pembangunan model, penelitian ini menggunakan metode klasifikasi sentimen dengan algoritma machine learning seperti Na ve Bayes, Multi Level Perceptron, AdaBoost Classifier, Random Forest Decision Tree dan Support Vector Machine SVM . Di samping itu, penelitian ini juga melakukan perbandingan performa model dengan menggunakan unigram, bigram dan unigram-bigram dalam proses fitur ekstraksi dan penggunaan SMOTE untuk mengatasi imbalanced data. Evaluasi dari percobaan yang dilakukan menunjukkan bahwa algoritma AdaBoost menghasilkan model terbaik dengan nilai recall tertinggi yaitu 99.5 yang memiliki nilai akurasi sebesar 70.0 dan nilai F1-score sebesar 82.2 untuk klasifikasi ujaran kebencian apabila menggunakan bigram.

---

ABSTRACTFreedom of expression through social media to express idea, opinion and view about current topic causes negative impact as the rise of hateful content. This study aims to detect a hate speech information through Twitter. Dataset of this study consists of 4.002 sentiment data related to politic, race, religion and clan topic. The model development of this study conducted by sentiment classification method with machine learning algorithm such as Na ve Bayes, Multi Level Perceptron, AdaBoost Classifier, Random Forest Decision Tree and Support Vector Machine SVM . We also conduct a comparison of model performance that used unigram, bigram, unigram bigram feature and SMOTE to handle imbalanced data. Evaluation of this study showed that AdaBoost algorithm resulted the best classification model with the highest recall model which was 99.5 , accuracy score as much as 70.0 and F1 score 82.2 to classify hate speech when using bigram features."

"Perkembangan Teknologi Informasi dan Komunikasi semakin pesat, ditandai dengan munculnya internet pada tahun 1960-an, hingga kini menjadi salah satu tools penting bagi perkembangan ekonomi dan bisnis, termasuk di dalamnya manajemen hubungan pelanggan atau customer relationship management (CRM). Salah satu cara guna mengefektifkan CRM organisasi adalah dengan membangun customers engagment melalui social media atau jejaring sosial. Hal tersebut merupakan inisiatif Public Relations (PR) yang menggunakan media internet sebagai media penghubung organisasi dengan stakeholder, hubungan tersebut terjadi dua arah baik secara langsung maupun tidak langsung. Makalah ini bertujuan untuk mengetahui aktivitas customer relationship management (CRM) yang dilakukan khususnya tahapan customer engagement yang berusaha dibangun oleh salah satu perusahaan online bussiness dengan komoditas berupa wedges/ sepatu berhak tinggi untuk wanita melalui jejaring sosial twitter. Metode yang digunakan dalam penelitian ini adalah content analysist twitter @iwearUP selama lima belas hari berturut-turut. Melalui penelitian ini diperoleh hasil bahwa jejaring sosial twitter terbukti ampuh dalam membangun customer engagement dengan cara menjaga komunikasi dua arah dan memperhatikan aspek personal touch antara perusahaan dengan pelanggannya.

---

The development of Information and Communication Technology is rapidly increasing, marked by the emergence of the Internet in the 1960s until now as one of the important tools for economic development and business, include customer relationship management (CRM). One way to streamline the CRM organization is to build customers engagement through social media. This is a Public Relations (PR) initiative that uses the internet as a media liaison with stakeholder organizations, two way relationship, either directly or indirectly. This paper aims to understand the activity of customer relationship management (CRM) especially about the customer engagement building process by one company which is an online bussiness with commodities such as wedges / high heels for women through social networking twitter. The method used in this research is content analysist on twitter @iwearUP for fifteen consecutive days. Through this research result that social networking twitter proven effective in building customer engagement by maintaining two-way communication and doing personal touch between the company and its customers."

"Analisis sentimen merupakan kegiatan untuk mencari pendapat atau sentimen seorang penulis tentang suatu entitas atau objek tertentu yang dapat berupa pendapat positif atau pendapat negatif. Analisis sentimen pada data yang sangat besar tidak dapat dilakukan secara manual sehingga membutuhkan bantuan metode non-manual. Terdapat dua metode non-manual dasar, yaitu metode berbasis lexicon dan metode berbasis learning. Pada skripsi ini, akan dibahas kombinasi metode berbasis lexicon dan metode berbasis learning. Metode kombinasi ini akan digunakan untuk melakukan analisis sentimen dengan data teks yang berasal dari media sosial Twitter atau biasa disebut tweets. Data yang dikumpulkan berupa tweets yang membicarakan seputar tokoh kandidat calon presiden Republik Indonesia periode 2014-2019.

---

Sentiment Analysis is an activity to find author's opinion or sentiment about an entity or object, which can be positive or negative opinion. Sentiment Analysis in big size of data can't be done manually so that it needs hand from non-manual method. There are two basic non-manual methods, that is lexicon-based method and learning-based method. In this research, will be explained combination lexicon-based method and learning-based method. This method of combination will be used to do sentiment analysis on text data, which from social media Twitter or so called tweets. The collection of data is tweets that contain chatting about the presidential candidate of Republic of Indonesia period 2014-2019."

"Di tengah masifnya perkembangan teknologi saat ini menuntut perusahaan untuk berinovasi dalam meningkatkan kegiatan pemasaran secara digital, salah satunya Aplikasi Digital Korlantas. Untuk menyebarkan informasinya, Digital Korlantas menggunakan salah satu media sosial, yaitu Twitter. Twitter merupakan salah satu media sosial yang seringkali digunakan untuk menyampaikan informasi kepada masyarakat sekaligus sebagai sarana pemasaran kehumasan untuk menciptakan brand awareness. Penulisan ini berfokus pada kegiatan cyber PR melalui produksi dan pengelolaan konten dalam penciptaan brand awareness pada Twitter Aplikasi Digital Korlantas. Metode pengambilan data dalam penulisan ini adalah dengan menghimpun data primer dan sekunder melalui media sosial, media pemberitaan, dan situs web resmi. Melalui produksi dan pengelolaan konten yang dilakukan pada media sosial Twitter periode Juni hingga September 2022, Digital Korlantas berhasil menciptakan brand awareness terkait aplikasi kepada publik yang ditunjukkan melalui adanya aktivitas eWOM, peningkatan keterlibatan audiens dalam media sosial (social media engagement), dan brand mention.

---

In the midst of massive technological developments today, it requires companies to innovate in increasing digital marketing activities, one of which is Digital Korlantas Application. To disseminate information, Korlantas Digital uses one of the social media, Twitter. Twitter is one of the social media that is often used to convey information to the public as well as a means of public relations marketing to create brand awareness. This writing focuses on cyber PR activities through the production and management of content in creating brand awareness on the Twitter Korlantas Digital Application. The data collection method in this paper is to collect primary and secondary data through social media, news media, and official websites. Through the production and management of content carried out on Twitter social media from June to September 2022, Korlantas Digital succeeded in creating brand awareness related to applications to the public which was demonstrated through eWOM activities, increased audience engagement on social media (social media engagement), and brand mentions. "

"ABSTRAKBig Data adalah salah satu fenomena yang sudah tidak jarang terjadi di berbagai aspek-aspek kehidupan, baik di bidang industri, keuangan, sosial, dan sebagainya. Dari segi sosial, penggunaan media sosial seperti Twitter merupakan salah satu aplikasi nyata dari teknologi Big Data. Melalui opini-opini yang disampaikan pada Twitter, kita dapat mengetahui hal-hal apa saja yang menjadi topik terkini. Dengan besarnya jumlah tweet yang dipublikasikan tiap hari, atau tiap jam, membuat analisis terhadap Twitter ini hampir mustahil dilakukan tanpa menggunakan teknologi komputasi. Environment seperti Hadoop, Flume, dan Hive merupakan salah satu teknologi dapat digunakan untuk menganalisis jumlah data yang besar, yang mengalir di dalam Twitter.

---

ABSTRACTBig Data is one of the global phenomenon that has become broad thing in the various aspects of the daily life, such as in industry sector, finance sector, social sector, etc. From the social aspect, the usage of the social media such as Twitter is one of the real application of the Big Data technology. Through the opinions that expressed on Twitter, we can find out about the things that become the current trending topic. With the numbers of the tweets that published every day, or every hour, making it impossible to do the Twitter analyzing without the use of the computational technology. The environment such as Hadoop, Flume, dan Hive is one of the technologies that can be use to analyze the enormous size of data, that flows around Twitter. "

"Dalam dunia politik dewasa ini, penggunaan media sosial sebagai media untuk menyampaikan dukungan politik dan untuk berkampanye sudah menjadi hal yang sangat sering dilakukan. Twitter adalah salah satu dari media sosial yang sering digunakan untuk kampanye, hal ini karena kelebihan Twitter yang bersifat formal dan beruntun secara waktu. Namun Twitter juga memiliki kelemahan seperti tidak adanya keterangan demografis sehingga susah untuk diolah. Maka dari itu penelitian ini bertujuan untuk mencari tahu pola demografi dari pendukung masing-masing pasangan calon Presiden Indonesia 2019 pada Twitter berbahasa Indonesia.Dalam mencari demografi, penelitian ini menggunakan metode klasifikasi teks dan menggunakan kamus nama dan jenis kelamin. Kamus nama dan jenis kelamin yang digunakan berasal dari data pemilih tetap KPU. Label demografi yang digunakan antara lain, laki-laki, perempuan, generasi Z, generasi milenial, generasi X+, luar jawa dan jawa. Untuk menentukan pilihan dukungan, penelitian ini menggunakan metode sentimen analisis yang cocok digunakan untuk kalimat pendek yaitu metode SentiStrength.Hasil dari penelitian ini menunjukkan bahwa mayoritas pengguna Twitter yang aktif berbincang berkaitan dengan politik pemilihan presiden dan wakil presiden Indonesia 2019 adalah perempuan dengan kategori umur milenial atau rentang umur 25-39 tahun.

---

In today’s political world, the use of social media as a medium to convey political views and using it for campaign has become a very common thing. Social media can be used to express one’s expression both in supporting a political party and someone who is running for politics. Twitter is one of the social media that is often used for campaign, this is because of Twitter’s unformal and chronological feature. But Twitter also has weakness such as the absence of demographic information. Therefore this study aims to find out the demographic patterns of supporter of each Indonesian Presidential candidate 2019 on Indonesian language Twitter.

For searching the demographics, this study using text classification method and dictionary of names and genders. The dictionary comes from KPU permanent voter data. Demographic labels used in this study consist of male, female, generation Z, millennial generation, generation X+, outside Java and Java. To determine the political preference, this study uses the sentiment analysis method that is suitable for short sentences, namely the SentiStrength method.

The results of this study indicate that the majority of Twitter users who actively talk related to the politics of 2019 Presidential and Vice Presidential elections are women with millennial age categories or 25-39 years old."

"Penelitian ini mengeksplorasi penggunaan ughtea, slang bahasa Arab ukhti, sebagai istilah kekerabatan dankorelasinya terhadap identitas dalam microblogging pada Twitter Indonesia. Secara semantis, ukhti bermaknasaudara perempuan persona tunggal dalam konteks biologis dan ideologis. Dalam dua tahun terakhir (2018—2020), terdapat pergeseran semantik istilah ukhti sebagai bentuk sindiran pengguna Twitter Indonesia terhadapeksklusivitas dan ketidaksesuaian penggunaan istilah ukhti, khusunya di kalangan Muslim konservatif diIndonesia, dengan memodifikasi kata tersebut menjadi ughtea yang maknanya cenderung degeneratif. Alhasil,makna istilah ukhti mengalami peyorasi. Berdasarkan klasifikasi Internet People atau Masyarakat Internet olehMcCulloch, para pengguna ini dikategorikan sebagai Post Internet People atau Masyarakat Post Internet.Permasalahan penelitian ini berfokus pada pergeseran semantis kata ukhti menjadi ughtea sebagai ekspresi satirdalam aspek analisis penutur, istilah, dan penggunaan istilah dalam konteks peyorasi. Penelitian ini bertujuanuntuk menganalisis penggunaan kedua istilah dengan menggunakan pendekatan linguistik korpus dan modelAppraisal oleh Martin dan White. Sumber data diperoleh dari berbagai mikropos para pengguna Twitter Indonesia dalam periode waktu Oktober 2019.

---

This research investigates the pragmatic of ughtea, a slang from ukhti, as a term of address slang and identity in

Twitter’s prominent behaviour on virtual sphere: microblogging. Semantically, ukhti refers to “sister” of

possessive pronoun of the first person i.e. the speaker, both in biological and ideological contexts. During these

past two years (2018—2019), the usage of the term ukhti has undergone the extension of its meaning through its

use among Indonesian Twitter users by changing its form into ughtea as a slang with degenerative meaning, in

order to insinuate the exclusivity of the use of the term ukhti among Indonesian conservative Muslims and the

misbehaviour of ukhti. As a result, the meaning of the term ukhti experiences pejoration. These certain Indonesian

Twitter users, according to McCulloch’s classification of Internet People, are classified as Post Internet People.

This research problem focuses on the analysis of the speakers, terms, and how both terms used in the context of

pejoration. This study aims to analyse both terms in terms of shifting meaning in terms of speakers, speech, and

usage by implementing corpus linguistic approach and Martin and White’s appraisal system. Data sources were obtained from Twitter users' tweets during a certain period (October 2019)."