Hasil Pencarian  ::  Simpan CSV :: Kembali

"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"

"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."

"Media sosial kini tak hanya dimanfaatkan untuk kepentingan pribadi, tapi telah marak dipakai untuk kepentingan bisnis. Analisis sentimen merupakan penelitian komputasional dari ekspresi sentimen secara tekstual. Twitter adalah salah satu media sosial populer, keterbatasan karakter memberikan kesulitan tersendiri dalam menganalisis sentimen dibanding media sosial lainnya. Semua data yang dipakai dalam penelitian ini merupakan tweet yang disampaikan dalam Bahasa Indonesia. Hasil analisis sentimen di twitter memakai aplikasi yang ada menunjukkan tingkat akurasi yang kecil. Penelitian ini bertujuan untuk membandingkan metode pengklasifikasian sentimen yang lebih akurat antara 2 metode klasifikasi populer. Akurasi yang dihasilkan oleh Metoda SVM lebih bagus daripada Metode NBC.

---

Social media is now not used for personal purposes only, but also adopted for business purposes. Sentiment analysis is a computational research of sentiments expressed textually. Twitter is a popular social media in Indonesia, its character limitations make it more challenging to be analyzed than the other social media. All data used in this research is tweets delivered in Bahasa Indonesia. The results of sentiment analysis in twitter using existing applications show low accuracy. This research aims to compare the sentiment classification method that more accurately between two popular classification methods. Accuracy produced by the SVM is better than NBC."

"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."

"Dengan maraknya perkembangan penggunaan media sosial, banyak perusahaan-perusahaan nasional maupun multi nasional yang mulai aktif menggunakan media sosial. Salah satu media sosial yang paling banyak digunakan saat ini adalah Twitter. Keberadaan Twitter membuat perusahaan mampu berhubungan dengan konsumen mereka secara cepat tanpa adanya hambatan waktu. Adapun dipilihnya PT. Daihatsu Indonesia dalam penelitian ini adalah karena mereka merupakan salah satu perusahaan pabrikan mobil yang paling diminati di Indonesia. Banyaknya jumlah konsumen Daihatsu Indonesia membuat peneliti tertarik untuk mengamati tindakan apa yang dilakukan PT. Daihatsu Indonesia dalam menjaga hubungan mereka dengan konsumennya.Penelitian ini bertujuan untuk mengungkapkan model komunikasi apa yang digunakan oleh Daihatsu dan bagaimana relasi mereka dengan konsumen mereka melalui twitter. Analisa dilakukan secara langsung dengan memperhatikan secara langsung aktifitas yang mereka lakukan di media twitter. Adapun hasil penelitian ini menunjukkan hasil bahwa PT. Daihatsu Indonesia menggunakan perangkat media sosial mereka untuk menciptakan hubungan dua arah dengan konsumen mereka.

---

With the current development of social media, many of the existing corporation whether local or multinational corporation has started their activity in social media. One of many social media that are oftenly used by users are Twitter. Twitter has made it possible for every corporation to interact with their customers in instant, real time, and with no delay. PT. Daihatsu Indonesia, one of the most popular cars product in Indonesia surely has the need to keep in touch with their customers, and that is why PT. Daihatsu Indonesia has been picked to be analyzed.

This research has the mean to see what communication model that are used by Daihatsu and how good their relations are with their customers. This research will be focused on PT. Daihatsu Indonesia activity on Twitter and how they engage their customers. The indicators of their success will be based on how frequent they post a tweet and replies their followers tweets. Results found in this research shows that PT. Daihatsu Indonesia has used their twitter to establish a two way communication with their customers."

"Penelitian ini dibuat dengan tujuan untuk menguak apa saja motivasi di balik keraguan vaksinasi. Respon tersebut merupakan respon maladaptif yang dapat dipelajari juga berdasarkan Protection Motivation Theory (PMT). Selain itu, penelitian ini juga dibuat untuk menghasilkan rekomendasi terhadap tindakan intervensi yang dapat dilakukan pemerintah dan regulator kesehatan lainnya. Penelitian ini dilakukan terhadap media sosial Twitter Indonesia. Sebagai bagian dari penelitian ini, sebuah Sistematic Literature Review (SLR) telah dilakukan terhadap enam basis data yang dipercaya. Dari 20 studi sebelumnya yang dihasilkan, dilakukan sintesis terhadap topik dan metode yang digunakan, serta topik yang ditemukan dari penelitian terdahulu untuk dimanfaatkan di dalam penelitian. Data Twitter dikumpulkan dengan menggunakan SNScrape dengan kata kunci "vaksinasi atau vaksin" pada periode 11 November 2020, 1 bulan sebelum masuknya vaksin ke Indonesia, hingga 30 April 2022. Hasil analisis sentimen menunjukkan hasil yang sesuai dengan penelitian sebelumnya, dimana pembicaraan tentang vaksinasi selalu dibayang-banyangi oleh keraguan vaksinasi dengan porsi yang sedikit di bawah data dengan sentimen positif. Motivasi yang ditemukan dari penggalian topik telah dipetakan terhadap kategori penyebab keraguan vaksinasi pada level individu, micro-social, intermediate-social, dan macro-social. Dari keempat kategori tersebut, topik tentang macro- social terkait kehalalan vaksin dari segi agama tidak ditemukan pada penelitian sebelumnya. Berbagai rekomendasi telah disusun berdasarkan hasil penggalian topik. Rekomendasi tersebut ada yang berada pada tingkatan strategis dan praktikal dari sisi Teknologi Informasi. Adanya portal informasi yang lengkap dan terintegrasi, serta penyebaran vaksin dengan membuat model prediksi kebutuhan vaksin akan menunjang peningkatan respons adaptif terhadap anjuran vaksinasi.

---

This study was made with the aim of uncovering what are the motivations behind vaccination doubts. This maladaptive response was studied based on the Protection Motivation Theory (PMT). In addition, this research is also made to produce recommendations on intervention actions that can be carried out by the government and other health regulators. This research was conducted on Indonesian Twitter. As part of this research, a Systematic Literature Review (SLR) was conducted on six trusted databases. From the 20 previous studies produced, a synthesis was carried out on the topics and methods used, as well as topics founded from previous studies to be used in research. Twitter data was collected using SNScrape with the keyword "vaccination or vaccine" within 11 November 2020, 1 month before the entry of vaccines into Indonesia, until 30 April 2022. The results of the sentiment analysis show results that are in accordance with previous research, where talk about vaccination is always shadowed by vaccine hesitancy, which was slightly below the numbers of positive sentiment data. The motivations found from the topic exploration have been mapped into individual, microsocial, intermediate-social, and macro-social levels. Of the four categories, the topic of macro-social related to the halalness of vaccines in terms of religion was not found in previous studies. Some practical recommendation had been proposed, included strategic and practical recommendation. Utilizing both integrated more complete information portal and a prediction- based distribution model would bring up the adaptive response toward vaccination."

"Pandemi COVID-19 membuat banyak negara menyatakan wabah itu sebagai darurat nasional, termasuk Indonesia. Oleh karena itu, pemerintah negara Indonesia menerapkan PPKM hingga penularan COVID-19 mereda. Hal ini berlaku bagi semua tempat di Indonesia, termasuk perpustakaan. Banyak perpustakaan yang tutup sementara, namun tetap menjalankan segala kegiatannya secara online, salah satunya Perpustakaan Universitas Indonesia. Dalam penelitian ini, dibahas mengenai pemanfaatan media sosial Twitter di Perpustakaan Universitas Indonesia saat pandemi COVID-19. Tujuan dari penelitian ini untuk mendeskripsikan pemanfaatan Twitter sebagai media promosi perpustakaan di Perpustakaan Universitas Indonesia, serta mengidentifikasi kendala dan cara penyelesaian saat melakukan promosi perpustakaan menggunakan Twitter di masa pandemi COVID-19. Jenis penelitian yang digunakan adalah penelitian kualitatif dengan teknik pengumpulan data berupa wawancara dan observasi. Hasil penelitian menunjukkan pemanfaatan Twitter terhadap kegiatan promosi perpustakaan di Perpustakaan Universitas Indonesia saat Pandemi COVID-19 masih belum dimanfaatkan secara maksimal. Hal ini dapat diketahui dari hasil analisis peneliti bahwa promosi perpustakaan lebih banyak dilakukan di media sosial lain daripada Twitter karena banyak kendala jika harus mempromosikan melalui Twitter. Meskipun dengan adanya kendala tersebut, tidak menyurutkan semangat Humas Perpustakaan Universitas Indonesia untuk tetap mempromosikan perpustakaan melalui Twitter.

---

COVID-19 pandemic has made many countries declare the outbreak a national emergency, including Indonesia. The Indonesian government decided to implement PPKM until COVID-19 subsided. This applies to all places in Indonesia, including libraries. Libraries are temporarily closed, but still doing all their activities online, like the University of Indonesia Library. In this study, we discuss the use of Twitter in the University of Indonesia Library during the COVID-19. The purpose is to describe how to use Twitter for library promotion, identify obstacles, and how to solve them when promoting a library using Twitter at the University of Indonesia Library during the COVID-19. The type of research used is qualitative research with data collection techniques in interviews and observations. The results is the use of Twitter for library promotion at the University of Indonesia Library during the COVID-19 are still not fully utilized. The statement of the informant who said that library promotion was mostly done on other social media rather than Twitter because there were many obstacles when promoting through Twitter. Even with these obstacles, it did not dampen the enthusiasm of the PR of the University of Indonesia Library to continue promote the library through Twitter."

"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."

"ABSTRAK Penelitian ini meneliti mengenai pengaruh norma hubungan yang dibedakan menjadi 2 jenis yaitu communal dan exchange, yang nantinya akan mempengaruhi purchase intention, WOM (word of mouth) dan attitude toward brand konsumen. Dalam penelitian ini akan ada 126 responden yang akan berpartisipasi dalam survey. Responden akan dibedakan menjadi 2 yaitu high user dan low user. Akan ada 2 jenis kuesioner yang masin-masing memiliki treatment untuk dua jenis norma hubungan, dan masing masing dengan respondennya. Hasil penelitian ini menunjukan bahwa tidak ada interaksi antara jenis pengguna twitter dan jenis hubungan dan tidak ada perbedaan yang signifikan pada purchase intention, WOM (word of mouth) dan attitude toward brand konsumen untuk jenis hubungan, tetapi ada perbedaan yang signifikan utuk tipe pengguna twitter.

---

ABSTRACT These studies examine the influence between relationship norm, communal and exchange relationship. There were 126 respondents who participated in this research. Those respondents will divided into two groups, high twitter user and low twitter user. There will be 2 kind of questionare that has its own treatment, communal and exchange. The result of this study is there will be no interaction between twitter usage intensity and relational type, and there is no significantly different in purchase intention, WOM intention, and attitude toward brand for relational type. But, there will be significantly different in twitter usage intensity."

"Makalah ini bertujuan untuk menyelidiki korelasi antara Twitter dan kinerja pasar saham dengan melihat perspektif tingkat industri untuk perusahaan tertentu yang tergabung dalam IDX30. Indeks saham ini adalah sub-kategori likuiditas dari Headline Index yang terdiri dari perusahaan-perusahaan yang digunakan sebagai referensi untuk menggambarkan situasi pasar saham yang memenuhi kriteria utama memiliki tingkat likuiditas yang tinggi. Untuk mendukung penelitian ini, kami mengumpulkan beberapa pendapat yang diperoleh dari Twitter sebagai sumber data streaming menggunakan pemrograman Python, dan Thomson Reuters untuk mendapatkan informasi harga saham, volume, dan kapitalisasi pasar masing-masing perusahaan. Model penelitian dibangun berdasarkan metode Amihud Illiquidity dan perhitungan volatilitas untuk mengukur korelasi antara analisis sentimen dan kinerja saham. Penelitian ini menunjukkan bahwa analisis sentimen terhadap pernyataan yang diunggah di Twitter memiliki korelasi yang tidak signifikan terhadap likuiditas dan volatilitas saham IDX30 di Indonesia. Namun demikian, penelitian ini belum dapat memisahkan antara tweet yang dihasilkan berdasarkan pendapat pengguna dan tweet yang dibuat berdasarkan permintaan dari pelaku pasar tertentu untuk mempengaruhi nilai saham dengan menyebarkan informasi yang bias untuk memancing reaksi publik.

---

This paper is aimed at investigating the correlation between Twitter and stock market performance by looking at industry-level perspective to specific companies incorporated in the IDX30. This stock index is the sub-category liquidity of the Headline Index which consists of companies that are used as a reference to describe the stock market situation that meet the main criteria of having a high level of liquidity. To support this research, we collected some opinions obtained from Twitter as a source of streaming data using Python programming, and Thomson Reuters to obtain information of stock prices, volumes, and market capitalization of each company. Research models are built based on Amihud Illiquidity method and volatility calculation to measure the correlation between sentiment analysis and stock performance. This research shows that sentiment analysis of statements uploaded on Twitter has insignificant correlation to the liquidity and volatility of IDX30 stock in Indonesia. Nevertheless, this research has not been able to separate between tweets which are generated based on user opinion and tweets which are made based on requests from certain market participants to influence the value of shares by spreading biased information to provoke a public reaction."