Hasil Pencarian  ::  Simpan CSV :: Kembali

"Godverdomme adalah interjeksi dalam bahasa Belanda yang biasanya bernuansa negatif, dan digunakan sebagai umpatan. Kata umpatan merupakan wujud ekspresi dari rasa kesal, marah, benci dan hal lainnya yang bersifat negatif. Agaklah aneh, kata godverdomme memuat kata Tuhan namun digunakan untuk melontarkan ekspresi negatif. Dari sekian banyak kata umpatan yang ada, masyarakat Belanda tetap menggunakan godverdomme. GVD sebagai bentuk singkatan dari god- verdomme juga banyak digunakan pada masa kini dan merupakan bentuk umpatan yang lebih halus. Kini penggunaan godverdomme tidak sepenuhnya bersifat negatif, meski jumlahnya pemakaiannya tidak signifikan. Penelitian ini akan menggali makna dari kata godverdomme melalui kajian semantis dan mengkaji dari sisi sosiolinguistik dengan memaparkan perubahan makna dan bagaimana kata tersebut digunakan oleh masyarakat Belanda, terutama melalui media sosial Twitter.

---

Godverdomme is an interjection in Dutch which implicit to something negative, and is used as a curse word. Curse word is a form of expression that derives from annoyance, anger, hatred and other negative things. Oddly enough, the word godverdomme implies to God but it is used to throw negative expression instead. Of all kinds of curse word, the Dutch still uses godverdomme. GVD as an abbreviation of godverdomme is also widely used presently because it gives a rather more delicate impression. Nowadays, the use of godverdomme is not entirely negative, although the number of users are not significant. This study explores the meaning of the word godverdomme through semantic studies and the reviews from the sociolinguistic side by describing the difference in meaning and how the word is used by the Dutch, especially through social media Twitter. "

"Makalah ini membahas jenis lelucon dan bentuk majas yang terdapat pada akun Twitter @KorteMoppen. Twitter adalah media sosial berbentuk status yang disukai oleh remaja dan hanya menyediakan 140 karakter dalam satu kali mengirim status. Dalam makalah ini, penulis menganalisis bentuk kreativitas akun Twitter @KorteMoppen dalam membuat lelucon dengan keterbatasan karakter pada Twitter. Bentuk kreativitas yang dianalisis berupa majas dan peneliti juga mengidentifikasi jenis lelucon yang dihasilkan. Penelitian menggunakan metode kualitatif dan kuantitatif, karena bertujuan untuk mengidentifikasi bentuk majas dan jenis lelucon yang muncul serta menghitung jenis majas dan lelucon yang paling sering muncul pada Twitter @KorteMoppen. Peneliti menggunakan data berupa 18 kicauan/tweet yang diambil secara acak, kemudian dianalisis dengan menggunakan teori bentuk majas dan jenis lelucon. Setelah dianalisis, jenis majas yang sering digunakan oleh pengguna akun Twitter adalah repetitio, yaitu pengulangan kata atau bentuk yang sama dalam satu pernyataan. Jenis lelucon yang terdapat pada akun Twitter tersebut adalah groteske, woord- en naamgrapjes, ironie, misverstanden, incongruentie, carnavaleske dan taboedoorbrekingen. Taboedoorbrekingen merupakan jenis lelucon yang paling banyak ditemukan. Selain itu penggunaan karakter huruf juga ditemukan dalam lelucon @KorteMoppen. Pada satu buah lelucon memungkinkan adanya lebih dari satu bentuk majas ataupun jenis lelucon dan ditemukan juga bentuk ikon dan simbol. Hal tersebut menujukkan bahwa kreativitas tidak dapat dibatasi oleh jumlah karakter pada Twitter.

---

This article discusses about types of jokes and figure of speech on Twitter @KorteMoppen. Twitter is a social media that teenagers love. Each tweet allows the user to use up to 140 characters. The focus of this article is on the creative aspects namely the figure of speech and types of jokes shown in such limited space as Twitter @KorteMoppen. Those two elements are then identified as tools of making jokes. Using the qualitative and quantitative methodes, 18 tweets chosen randomly from the Twitter @KorteMoppen are analysed. This study has found that repetitie is the figure of speech that is mostly used on the mentioned Twitter account. Certain words and phrases are repeated in one tweet. The kind of jokes that are found in @KorteMoppen are groteske, woord- en naamgrapjes, ironie, misverstanden, incongruentie, carnavaleske and taboedoorbrekingen. The taboedoorbrekingen happens to occur most frequently. The other major finding is that one joke can consist of more than one figure of speech or more than one type of joke. The usage of icons and symbols can also occur as another type of joke. This article shows that creativity however cannot be restricted by certain amount of characters on Twitter."

"Penelitian ini membahas tentang analisis semiotik meme tanpa konteks pada akun Twitter No context Russia dengan menggunakan teori semiotik oleh Roland Barthes. Penelitian ini bertujuan untuk mengidentifikasi makna yang terkandung dalam unggahan meme pada akun Twitter Russia_NC. Penelitian ini menggunakan metode deskriptif kualitatif untuk mencapai tujuan penelitian. Penulis menganalisis sepuluh buah data berupa meme dari twit pada akun Russia_NC. Pengambilan sumber data dilakukan dengan dokumentasi unggahan berupa gambar pada akun Twitter Russia_NC dan studi pustaka. Dari hasil analisis, penulis menemukan makna denotasi dan konotasi yang terkandung dalam unggahan meme pada akun Twitter No context Russia. Dengan demikian, penulis berharap penelitian ini memberikan kontribusi bagi pengembangan studi semiotik dan secara khusus menambah informasi tambahan terkait meme Rusia.

---

This study discusses the semiotic analysis of memes without context on the No context Russia Twitter account by using the semiotic theory by Roland Barthes. This study aims to identify the meaning contained in postings of memes on the Russia_NC Twitter account. This study uses a qualitative descriptive method to achieve the research objectives. The author analyzes ten pieces of data in the form of memes from tweets on the Russia_NC account. Data source retrieval was carried out by documentation of postings in the form of images on the Russia_NC Twitter account and literature studies. From the results of the analysis, the author has found the meaning of denotation and connotation contained in postings of memes on the Twitter account No context Russia. Thus, the author hopes that this research contributes to the development of semiotic studies and especially adds additional information related to Russian memes."

"ABSTRAKTwitter sebagai new media banyak digunakan oleh berbagai kalangan untuk berbagai kebutuhan, karena kepraktisannya. Ferdiriva Hamzah, seorang dokter spesialis mata, telah lama memanfaatkan Twitter untuk mengedukasi dan menjawab pertanyaan audience seputar kesehatan mata. Makalah ini akan menganalisis aktivitas Ferdiriva di Twitter melalui akun @ferdiriva sesuai dengan strategi yang dikemukakan oleh Kotler, Roberto, dan Lee 2002 . Kemudian dianalisis pula dengan saran penggunaan Twitter dalam penggunaan pemasaran sosial menurut Guidry, Waters, dan Saxton 2014 . Berdasarkan hasil analisis, Ferdiriva terbukti mampu menggunakan Twitter sebagai place dalam strategi pemasaran sosial, dan bahkan lebih jauh lagi Ia juga mampu menggunakan akun Twitter pribadinya untuk keperluan pemasaran komersil untuk karya buku-buku dan filmnya. Melihat hal ini, penulis berharap dokter-dokter dan organisasi-organisasi nonprofit di luar sana dapat melakukan hal yang serupa dengan Ferdiriva, lebih baik lagi jika ditambah dengan strategi pemasaran sosial yang lebih matang dan terencana.

---

ABSTRACTTwitter as a new media has been used by many people from the different backgrounds for their needs, because of its convenient. Ferdiriva Hamzah, an ophthalmologist, have been using Twitter to educate and answering his audience questions about eye health. This paper will analyze Ferdiriva 39 s activities on Twitter using his account ferdiriva, with Kotler, Roberto, and Lee 39 s 2002 place strategy. Then will also be analyzed with Guidry, Waters, and Saxton rsquo s 2014 Twitter usage suggestions for social marketing. The results are, Ferdiriva actually can use Twitter as the place in social marketing strategy, even more, he can use his Twitter account to commercial marketing his books and movie. Seeing this, the other doctors and nonprofit organizations are expected to do the same as what Ferdiriva did, and even better if they can do it with better and planned social marketing strategies. "

"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."

"Skripsi ini mengangkat penggunaan media sosial dalam praktek political public relations oleh pejabat publik setelah terpilih. Penelitian ini melihat bagaimana pendekatan personal dapat membentuk proses komunikasi dua arah di ranah media sosial antara pejabat publik dengan konstituennya. Selain penjabaran deskriptif dari kegiatan komunikasi, penelitian ini juga menjelaskan bagaimana interaksi sederhana namun intensif bisa mendukung kinerja pejabat publik dan membentuk persepsi positif terhadap pejabat publik. Penelitian ini juga mencari gambaran akan dampak komunikasi yang dilakukan pada komunikan (followers) akun yang digunakan. Penelitian ini dilakukan dengan pendekatan kualitatif melalui teknik wawancara mendalam dengan komunikator, tim kampanye, pengamat, dan komunikan untuk mendapatkan perspektif menyeluruh. Pada akhirnya, penelitian ini berhasil mengungkap bagaimana sebuah proses komunikasi di media sosial dapat dijadikan sebuah alat serta landasan bagi praktek governing, branding, sekaligus permanent campaign yang efektif dalam konteks pemerintahan lokal.

---

This thesis discussed on how social media is used in a political public relations practice of an elected public official. The research sought to understand how personal approach is conveyed through a two-way communication among the official and his constituents in the digital world. Besides explaining the process descriptively, this research also aimed to explain how such a simple yet intensive interraction can support the work of a public official and shape the positive sentiments toward him at the same time. This research also sought for a snippet of how the public (the subject?s Twitter followers) perceive the communication and the communicator. The research used a qualitative approach through in-depth interviews conducted to the communicator, political expert, the communicator?s campaign manager, and the communicator?s Twitter followers to get different perspectives on the phenomenon. In the end, the research has managed to reveal a communication process and how it successfully became a tool and also a plattform of an effective practice of governing, branding, and permanent campaign in a local context."

"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."

"Social media merupakan salah satu media perusahaan untuk melakukan customer relationship. Akan tetapi saat ini sasaran perusahaan tidak hanya berhenti pada customer relationship saja, perusahaan lebih menekankan terjadinya customer engagement sebuah hubungan emosional yang terjalin antara perusahaan dengan konsumen. Tujuan penelitian ini untuk mengetahui bagaimana customer engagement pada akun media sosial twitter Pocari sweat (@PocariID). Penelitian ini menggunakan pendekatan kuantitatif dengan jumlah sample 100 responden. Hasil penelitian ini menujukkan bahwa customer engagement pada akun media sosial twitter Pocari sweat (@PocariID) cukup baik.

---

Social media is one of the media that company used to do a customer relationship. But this time company does not stop at the customer relationship only, they emphasizes the occurrence of customer engagement in an emotional relationship that is created between the company and the. The purpose of this research is to determine customer engagement in the Pocari Sweat twitter account (@ PocariID). This research used a quantitative approach with 100 respondents. The results of this research shows that customer engagement on Pocari Sweat twitter account (@ PocariID) is good enough."

"Melalui hadirnya dunia digital, praktisi humas tidak dapat lagi hanya menggunakan pendekatan tradisional, tetapi perlu mengintegrasikannya dengan media sosial. Hal ini disadari oleh produsen makanan ringan di Indonesia, mereka mulai melirik fungsi inovatif media sosial untuk membangun hubungan dengan pelanggannya. Penelitian ini ditujukan untuk mendeskripsi dan menjelaskan perbedaan aktivitas customer engagement yang dilakukan oleh dua brand yang berasal dari badan usaha yang berbeda ukurannya, Maicih dan Chitato, dalam dua jenis media sosial yang berbeda yaitu Facebook dan Twitter. Penelitian dengan metode content analysis ini menunjukkan bahwa customer engagement tidak ditentukan oleh ukuran usaha brand, namun oleh kuantitas dan kualitas isi media sosial yang disajikan.

---

After digital world rose, public relations could not only use traditional approach, but also combine it with social media. Producers of snack in Indonesia realize it and start to use social media for building relationship with their customers. This research was conducted to describe and explain the difference of customer engagement activities by two different brands with different company size, Maicih and Chitato, in two outlets of social media, Facebook and Twitter. With content analysis methods, this research showed that customer engagement is not define by the company size, but by contents’quantity and quality."

"Adanya peristiwa selama tahapan penyelenggaraan pemilu 2024, menimbulkan berbedaan pandangan diantara para Ahli, akan potensi terciptanya persepsi buruktentang Pemilu 2024. Sehingga dibutuhkan pengukuran perbandingan sentimen untuk menindaklanjuti dan membuktikan pandangan tersebut. Di sisi lain media sosial hadir sebagai tempat yang memungkinkan penggunanya untuk mengeskpresikan opini yang dimiliki, termasuk opini tentang penyelenggaraan Pemilu. Besarnya adopsi media sosial di Indonesia, memungkinkannya digunakan sebagai sumber data dalam pengukuran perbandingan sentimen masyarakat terkait dengan Pemilu 2024. Namun dalam menganalisa data yang berasal dari media sosial membutuhkan sumber daya dan waktu yang tidak sedikit jika dilakukan secara manual, dikarenakan adanya karakterstik high velocity, high volume dan high variety yang dimiliki oleh data yang berasal dari media sosial. Text analytics dengan pendekatan machine learning telah banyak digunakan dan menjadi state-of-the-art cara yang mengatasi permasalahan tersebut. Penelitian ini mengkomparasikan algoritma deep learning dengan algoritma machine learning tradisional seperti SVM, random forest dan logistic regression, dalam upaya membangun model analisis sentimen yang dapat digunakan untuk mengukur perbandingan sentimen masyarakat terhadap Pemilu 2024. Teknik pemodelan topik Latent Dirichlet Allocation juga digunakan untuk mengidentifikasi topik pembicaraan yang tersembunyi di dalamnya. Hasil dari penelitian menunjukkan algoritma SVM dengan teknik vektorisasi TF-IDF unigram muncul sebagai algoritma dengan hasil kinerja prediksi terbaik dengan nilai f1-score 0.7890. Selain itu terdapat dinamika pergeseran dominasi sentimen mulai dari masa kampanye, masa tenang dan masa pemungutan sampai dengan masa rekapitulasi suara. Hasil penelitian ini diharapkan dapat memberikan informasi yang bernilai bagi para pemangku kepentingan seperti: Pengamat politik, Praktisi politik, Pemerintah dan Penyelenggara Pemilu.

---

The events occurring during the stages of the 2024 General Election have sparked differing opinions among experts regarding the potential for negative perceptions of the election. Consequently, there is a need to measure sentiment patterns to follow up on and substantiate these views. Meanwhile, social media serves as a platform that allows users to express their opinions, including those about the election. The widespread adoption of social media in Indonesia enables it to be used as a data source for measuring public sentiment patterns related to the 2024 General Election. Analyzing data from social media requires significant resources and time if done manually, due to the high velocity, high volume, and high variety characteristics of social media data. Text analytics with a machine learning approach has been extensively used and has become the state-of-the-art method for addressing these challenges. This study compares deep learning algorithms with traditional machine learning algorithms such as Support Vector Machine (SVM), Random Forest, and Logistic Regression in an effort to build a sentiment analysis model that can be used to measure public sentiment patterns toward the 2024 General Election. The Latent Dirichlet Allocation (LDA) topic modeling technique is also used to identify hidden discussion topics within the data. The results of the study indicate that the SVM algorithm with TF-IDF unigram vectorization technique emerged as the algorithm with the best predictive performance, achieving an f1-score of 0.7890. Meanwhile, the measurement of sentiment patterns showed dynamic shifts in sentiment from the campaign period, the quiet period, and the voting period up to the recapitulation period. The findings of this study are expected to provide valuable information for stakeholders such as political observers, political practitioners, the government, and election organizers."