Hasil Pencarian  ::  Simpan CSV :: Kembali

"Universitas T memiliki rencana (roadmap) untuk mengembangkan berbagai jenis Metaverse di masa depan. Namun, ada kekhawatiran bahwa roadmap yang telah dibuat mungkin tidak sesuai dengan kebutuhan masyarakat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen dan pemodelan topik tentang Metaverse di media sosial guna memberikan wawasan yang penting bagi roadmap pengembangan Metaverse di Universitas T dengan memperhatikan pendapat dan sentimen masyarakat. Data yang digunakan dalam penelitian ini adalah twit berbahasa Indonesia yang dikumpulkan dari bulan Agustus 2021 hingga April 2023. Untuk analisis, digunakan pustaka LazyPredict yang menghasilkan lima model klasifikasi, yaitu Bernoulli Naive Bayes (BernoulliNB), Nearest Centroid, Calibrated Classifier CV, Logistic Regression, dan Linear Support Vector Classification (LinearSVC). Hasil menunjukkan bahwa model BernoulliNB memiliki performa terbaik dengan nilai rata-rata F1 sebesar 0,788. Selain itu, penelitian ini juga mengidentifikasi topik-topik yang dibahas terkait dengan Metaverse menggunakan pustaka Bertopic. Temuan menunjukkan adanya topik negatif seperti ketidakpastian pengembangan Metaverse, skeptisisme terhadap teknologi baru, keterbatasan infrastruktur internet, kekhawatiran etika dan syariah, ketidakpastian legalitas, kekhawatiran privasi dan keamanan, serta skeptisisme terhadap kesiapan Indonesia dalam membangun Metaverse. Di sisi lain, topik positif meliputi peluncuran Metaverse Jagat Nusantara, potensi kripto dalam konteks Metaverse, perubahan nama Facebook menjadi Meta, konser virtual di Metaverse, kehidupan di dunia Metaverse, pengembangan teknologi Metaverse di dalam negeri, transformasi digital dan inovasi di era Metaverse, penggunaan blockchain, kripto, dan NFT dalam teknologi Metaverse, serta Manasik Haji di Metaverse. Hasil analisis sentimen dan pemodelan ini dapat memberikan wawasan yang berharga bagi Universitas T dalam memahami tren dan pandangan masyarakat terkait Metaverse. Hal ini akan membantu universitas dalam mengevaluasi roadmap Metaverse yang telah dibuat untuk memastikan kesesuaiannya dengan kebutuhan masyarakat.

---

Universitas T has a roadmap to develop various types of Metaverse in the future. However, there are concerns that the existing roadmap may not align with the needs of society. Therefore, this research aims to analyze the sentiment and topic modeling related to Metaverse on social media to provide valuable insights for the development roadmap of Metaverse at Universitas T, taking into account the opinions and sentiments of the public. The data used in this study are Indonesian tweets collected from August 2021 to April 2023. The LazyPredict library is utilized for analysis, which generates five classification models: Bernoulli Naive Bayes (BernoulliNB), Nearest Centroid, Calibrated Classifier CV, Logistic Regression, and Linear Support Vector Classification (LinearSVC). The results show that the BernoulliNB model performs the best with an F1 score of 0.788. Additionally, this research identifies various topics discussed in relation to Metaverse using Bertopic library. Findings indicate the presence of negative topics such as uncertainty in Metaverse development, skepticism towards new technologies, limitations of internet infrastructure, ethical and Sharia concerns, legal uncertainties, privacy and security concerns, as well as skepticism about Indonesia's readiness in building the Metaverse. On the other hand, positive topics include the launch of Metaverse Jagat Nusantara, the potential of cryptocurrencies in the context of Metaverse, the name change of Facebook to Meta, virtual concerts in the Metaverse, life in the Metaverse world, domestic Metaverse technology development, digital transformation and innovation in the era of Metaverse, the use of blockchain, cryptocurrencies, and NFTs in Metaverse technology, as well as Manasik of Hajj in the Metaverse. The results of sentiment analysis and topic modeling can provide valuable insights for Universitas T to understand the trends and public perspectives regarding Metaverse. This will assist the university in evaluating the existing Metaverse roadmap to ensure its alignment with the needs of society."

"Konsep metaverse mulai populer sejak Meta, induk perusahaan Facebook, mengumumkan kehadiran dunia virtual tersebut. Metaverse sendiri didefinisikan sebagai suatu ruang digital yang menjadi tempat berkumpulnya orang-orang secara virtual untuk berinteraksi satu sama lain. Penelitian ini bertujuan untuk mengetahui realitas dan keberadaan dalam metaverse menurut kacamata Heidegger. Melalui fenomenologi Heidegger, peneliti ingin memberikan pemahaman bahwa metaverse berbeda dengan dunia sosial lain meskipun imersif, namun bukan berarti hal tersebut tidak dapat dikendalikan. Metode penelitian yang digunakan adalah penelitian kualitatif dengan paradigma studi fenomenologi. Hasil penelitian ini menyimpulkan bahwa di kemudian hari prospek perkembangan metaverse masih besar, terutama dengan didukung oleh konsep big data. Semakin berkembangnya infrastruktur teknologi dan minat peneliti di bidang metaverse, diharapkan dapat meningkatkan jumlah studi ilmiah di ranah tersebut. Oleh karena itu, cara yang tepat dilakukan untuk ‘meng-Ada’ di metaverse serta menangani fenomena Das man dan enframing melalui teori Heidegger adalah dengan menerima teknologi baru tersebut secara tenang, namun tetap harus berhati-hati agar tidak jatuh terlalu dalam pada teknologi baru tersebut. Manusia masih tetap dapat otentik walau dalam dunia nyata maupun dunia metaverse.

---

The concept of metaverse has become popular since Meta, Facebook's parent company, announced the presence of the virtual world. Metaverse itself is defined as a digital space where people virtually gather to interact with one another. This study aims to determine the reality and existence in the metaverse according to Heidegger's perspective. Through Heidegger's phenomenology, the researcher wants to provide an understanding that the metaverse is different from other social worlds although it is immersive, but that does not mean it cannot be controlled. The research method used is qualitative research with a phenomenological study paradigm. This study concludes that the prospects for the development of the metaverse are still great in the future, especially with the support of the big data concept. The development of technological infrastructure and the interest of researchers in the metaverse field is expected to increase the number of scientific studies in this area. Therefore, the right way to "Exist" in the metaverse and deal with the phenomenon of Das man and enframing through Heidegger's theory is to accept the new technology calmly but still have to be careful not to fall too deep into the new technology. Humans can still be authentic even in the real world and the metaverse world.

"

"Dalam era digital yang semakin maju, konsep ketuhanan terus mengalami perubahan dan transformasi. Salah satu area yang menarik untuk dikaji adalah metaverse, sebuah realitas virtual yang semakin populer. Artikel ini akan menganalisis pemikiran ketuhanan Alfred North Whitehead dalam konteks metaverse. Pandangan Whitehead menekankan pentingnya keterhubungan dan kreativitas dalam proses penciptaan, yang kemudian akan diterapkan untuk menganalisis hubungan Tuhan dan pengalaman spiritual dalam metaverse. Dalam artikel ini penulis berargumen bahwa Tuhan akan dapat terus menjadi relevan dan tidak begitu saja kehilangan tempat dalam realitas yang sepenuhnya baru ini. Di saat yang bersamaan, penulis juga akan menunjukkan bagaimana kita dapat terus memaknai spiritualitas dalam metaverse dengan cara yang sama dari yang apa sudah dipercaya oleh masyarakat sejak dulu.

---

In this increasingly advanced digital era, the concept of divinity continues to experience change and transformation. One interesting area to study is the metaverse, a virtual reality that is gaining popularity. This article will analyze Alfred North Whitehead's divine thought in the context of the metaverse. Whitehead's view emphasizes the importance of connectedness and creativity in the process of creation, which will then be applied to analyze the relationship between God and spiritual experience in the metaverse. In this article the author argues that God will be able to continue to be relevant and not simply lose his place in this entirely new reality. At the same time, the writer will also show how we can continue to interpret spirituality in the metaverse in the same way that people have believed for a long time."

"Komisi Pemberantasan Korupsi (KPK) memiliki kewenangan dalam melakukan pendaftaran dan pemeriksaan terhadap Laporan Harta Kekayaan Penyelenggara Negara (LHKPN). Pelaporan ini berfungsi untuk melakukan pengawasan kejujuran, integritas, dan deteksi kemungkinan adanya tindakan memperkaya diri secara melawan hukum oleh pejabat publik. Publikasi LHKPN sering menimbulkan prasangka negatif dan kecurigaan publik terhadap laporan harta kekayaan pejabat yang mengakibatkan kekhawatiran pejabat untuk melaporkan harta kekayaan secara lengkap dan benar. Persepsi ini menjadi kontraproduktif dengan upaya pencegahan korupsi yang dilakukan oleh KPK apabila tidak direspon dengan cepat. Penelitian ini bertujuan untuk membuat model analisis sentimen dan pemodelan topik yang dapat mengeksplorasi topik dari data media sosial Twitter. Indonesia memiliki jumlah pengguna aktif terbesar keenam di dunia dengan 15,7 juta pengguna yang didominasi kelompok usia 25-34 tahun. Dataset sejumlah 881 data diambil dari Twitter dengan kata kunci "lhkpn" dan "harta kekayaan pejabat" pada periode 1 Agustus sampai 5 November 2021. Penelitian ini mengekplorasi beberapa algoritma klasifikasi, representasi fitur unigram, bigram, dan trigram dengan CountVectorizer dan TFIDF, serta metode oversampling SMOTE. Algoritma klasifikasi dengan performa paling baik pada penelitian ini adalah Multilayer Perceptron dengan fitur unigram CountVectorizer dan metode oversampling dengan accuracy 76,60%, precision 78,19%, recall 76,60%, dan F1 score 76,95%. Hasil pemodelan topik menggunakan Latent Dirichlet Allocation pada kategori ‘negatif’ didominasi ekspresi kekecewaan dan kemarahan masyarakat terhadap meningkatnya harta kekayaan pejabat selama masa pandemi Covid-19 yang berbanding terbalik dengan meningkatnya utang negara dan kesulitan yang dihadapi masyarakat selama pandemi. Topik yang dihasilkan pada kategori ‘positif’ cukup beragam mulai dari aturan untuk melakukan pembuktian terbalik, usulan mengenai kewajiban pelaporan dan sanksi, permintaan untuk membuka laporan kekayaan kepada publik, serta pembahasan mengenai kewajaran penambahan harta kekayaan yang disebabkan oleh meningkatnya nilai aset tidak bergerak.

---

The Corruption Eradication Commission (KPK) has the authority to register and examine Public Officials Wealth Reports (LHKPN). This report serves to monitor honesty, integrity, and detect the possibility of illegal enrichment by public officials. Publication of LHKPN often creates negative prejudice and public suspicion of official wealth reports, which causes officials to worry about reporting assets completely and correctly. This perception is counterproductive to the efforts to prevent corruption carried out by the KPK if it is not responded to quickly. This study aims to create a sentiment analysis model and topic modelling that can explore topics from Twitter social media data. Indonesia has the sixth-largest number of active users in the world with 15.7 million users, dominated by the 25-34 year age group. A dataset of 881 data was taken from Twitter with the keywords "lhkpn" and "official assets" in the period August 1 to November 5, 2021. This study explores several classification algorithms, representation of unigram, bigram, and trigram features with CountVectorizer and TFIDF, as well as SMOTE oversampling methods. The classification algorithm with the best performance is the Multilayer Perceptron with the unigram CountVectorizer feature and the oversampling method with 76.60% accuracy, 78.19% precision, 76.60% recall, and 76.95% F1 score. The results of topic modelling using Latent Dirichlet Allocation in the 'negative' category are dominated by expressions of public disappointment and anger towards the increase in official wealth during the Covid-19 pandemic which is inversely proportional to the increase in state debt and the difficulties faced by the community during the pandemic. The topics generated in the 'positive' category are quite diverse, starting from the rules for conducting reverse verification, proposals on reporting obligations and sanctions, requests to disclose wealth reports to the public, as well as discussions on the reasonableness of adding to assets caused by the increase in the value of immovable assets."

"Perkembangan teknologi merupakan sebuah bidang yang terus menerus berkembang. Salah satu contohnya dengan adanya sebuah konsep yang memisahkan arti dari dunia nyata dan dunia maya yaitu Metaverse. Metaverse merupakan suatu wadah interaksi dan sosialisasi dengan pengguna lainnya berupa ruang virtual reality. Konsep ruang ini kemudian memiliki keterikatan kuat dengan konsep ruang heterotopia yang disebutkan oleh Michel Foucault seperti kepemilikan aturan serta kualitas yang ruang. Pengalaman ruang dan aturan tersebut kemudian dapat dimanfaatkan terhadap sistem pariwisata yang terhalang oleh adanya pandemi COVID-19 yang membatasi ruang interaksi antar manusia dan tempat. Namun, apakah berwisata pada ruang Metaverse memberikan arti dan pengalaman yang sama dengan berwisata secara konvensional? Pada penulisan ini, diharapkan dapat memberikan gambaran kualitas seperti apa yang dapat diimplementasikan dalam berwisata dalam ruang Metaverse.

---

Technological development is a field that is constantly evolving. One example is the existence of a concept that separates the meaning of the real world and the virtual world, namely Metaverse. Metaverse is a place for interaction and socialization with other users in the form of virtual reality space. This concept of space then has a strong connection with the concept of heterotopian space mentioned by Michel Foucault such as the creations of rules and the qualities of space. The experience of space and rules can then be utilized for the tourism system which is hindered by the COVID-19 pandemic hence limits the space for interaction between people and places. However, does experiencing tourism in the Metaverse provide the same meaning and experience as travelling conventionally? In this paper, it is hoped that it can provide an overview of what qualities can be implemented by experiencing tourism in the Metaverse."

"Dalam sisi akademis, riset mengenai metaverse saat ini masih didominasi pada konteks pendidikan. Permasalahan lainnya adalah minat masyarakat Indonesia terhadap Metaverse kian menurun dari tahun 2021-2023 padahal Metaverse merupakan salah satu ekosistem digital yang tengah dibangun oleh pemerintah Indonesia. Penelitian ini bertujuan menganalisis faktor-faktor yang mempengaruhi minat generasi y dan generasi z di Indonesia dalam menggunakan Metaverse untuk kegiatan virtual event. Desain penelitian yang aplikasikan adalah cross sectional. Data penelitian didapatkan dari 167 responden yang termasuk kedalam generasi y dan generasi z, belum pernah menggunakan namun memiliki pemahaman dasar mengenai metaverse dan berdomisili di Indonesia. Technology Acceptance Model merupakan framework dalam membangun model penelitian ini. Hasil penelitian menunjukkan bahwa 3 dari 13 hipotesis tidak berpengaruh signifikan, yaitu perceived ease of use terhadap perceived usefulness dan juga perceived usefulness terhadap behavioral intention pada metaverse. Selain itu, ditemukan bahwa perceived enjoyment merupakan faktor terbesar yang dapat mempengaruhi minat penggunaan metaverse pada generasi y dan generasi z di Indonesia. Penelitian ini berkontribusi secara akademis dalam memberikan pemahaman mengenai bagaimana faktor-faktor dalam TAM mampu mempengaruhi minat masyarakat Indonesia terhadap metaverse. Selain itu penelitian ini juga mengkombinasikan 2 model penelitian terdahulu sehingga mendapatkan hasil yang lebih komprehensif.

---

In the academic realm, research on the metaverse is currently predominantly focused on educational contexts. Another issue is the declining interest of the Indonesian public in the metaverse from 2021 to 2023, despite it being one of the digital ecosystems being developed by the Indonesian government. This study aims to analyze the factors influencing the interest of Generation Y and Generation Z in Indonesia in using the metaverse for virtual events. The research design applied is cross-sectional. Data were collected from 167 respondents who belong to Generation Y and Generation Z, have not yet used the metaverse but have a basic understanding of it, and reside in Indonesia. The Technology Acceptance Model (TAM) serves as the framework for constructing this research model. The results indicate that 3 out of 13 hypotheses are not significantly influential, namely, perceived ease of use on perceived usefulness and perceived usefulness on behavioral intention in the metaverse. Furthermore, it was found that perceived enjoyment is the most significant factor influencing the interest in using the metaverse among Generation Y and Generation Z in Indonesia. This study academically contributes by providing an understanding of how TAM factors can influence the Indonesian public's interest in the metaverse. Additionally, this study combines two previous research models to obtain more comprehensive results."

"Artificial Intelligence (AI) didefinisikan sebagai teknologi yang memungkinkan mesin untuk dapat meniru berbagai keterampilan kompleks dari manusia di mana penggunaannya memiliki potensi yang besar. AI dapat digunakan salah satunya di tempat kerja untuk membantu menyelesaikan pekerjaan yang ada. Namun, tentunya dengan adanya penggunaan AI di tempat kerja menghadirkan kekhawatiran seperti contohnya dapat digantikannya manusia dengan AI. Berdasarkan masalah tersebut, terdapat akar masalah yang diidentifikasi yaitu adanya opini negatif yang berkembang di masyarakat tentang dampak penggunaan AI di tempat kerja. Oleh sebab itu, dilakukan analisis sentimen terhadap opini masyarakat pada penelitian ini yang bertujuan untuk mengetahui model terbaik untuk mengklasifikasikan sentimen, topik-topik yang menjadi pembahasan dalam masing-masing sentimen, perubahan tren sentimen seiring waktu, dan rekomendasi yang dapat diberikan pada pihak terkait berdasarkan analisis. Data yang digunakan pada penelitian ini merupakan data Twitter yang berupa tweets yang membahas tentang penggunaan AI di tempat kerja dengan periode Januari 2022 sampai Mei 2024. Metode analisis yang digunakan pada penelitian ini adalah metode machine learning untuk analisis sentimen dan Latent Dirichlet Allocation (LDA) untuk pemodelan topik. Kontribusi teoritis penelitian ini adalah pengembangan analisis sentimen dan pemodelan topik pada tweets yang membahas tentang penggunaan AI khususnya di tempat kerja. Analisis menghasilkan model dengan algoritme Logistic Regression (LR) sebagai model dengan performa terbaik. Selain itu, hasil juga menunjukkan terdapat beberapa topik utama yang dibahas pada masing-masing sentimen dengan terdapatnya 10 topik pada sentimen negatif, 10 topik pada sentimen positif, dan 5 topik pada sentimen netral. Pada analisis tren terdapat beberapa temuan seperti sentimen netral dengan fluktuasi yang cukup stabil dan sentimen positif dan negatif yang memiliki fluktuasi tinggi pada bulan-bulan tertentu. Rekomendasi untuk dapat meredakan opini buruk dan kekhawatiran masyarakat dan pekerja dengan adanya AI di tempat kerja dapat dibuat regulasi dan hukum yang spesifik mengenai penggunaan AI di tempat kerja berdasarkan dari hal-hal yang menjadi topik pembicaraan pada sentimen negatif. Lalu, masyarakat juga dapat menggunakan AI di tempat kerja dengan bertanggung jawab. Selain itu, pemberi kerja juga dapat melakukan adaptasi teknologi dengan bijak dan menerapkan aturan dalam internal perusahan untuk dapat menjaga data internal perusahaan.

---

Artificial Intelligence (AI) is defined as a technology that enables machines to mimic various complex human skills, with significant potential for its applications. One notable use of AI is in the workplace to assist in completing tasks. However, the use of AI in the workplace raises concerns, such as the potential for AI to replace human workers. Based on this issue, a core problem identified is the negative perception prevalent in society about the impact of AI in the workplace. Therefore, this research conducts a sentiment analysis of public opinion to determine the best model for classifying sentiments, identify the main topics discussed within each sentiment, analyze the trend changes in sentiments over time, and provide recommendations to relevant stakeholders based on the analysis. The data used in this research consists of Twitter data, specifically tweets discussing the use of AI in the workplace, spanning from January 2022 to May 2024. The analytical methods employed in this research include machine learning techniques for sentiment analysis and Latent Dirichlet Allocation (LDA) for topic modeling. The theoretical contribution of this research is the development of sentiment analysis and topic modeling for tweets discussing the use of AI specifically in the workplace. The analysis results identified the Logistic Regression (LR) algorithm as the best-performing model. Additionally, the results revealed several key topics discussed within each sentiment, with 10 topics in negative sentiment, 10 topics in positive sentiment, and 5 topics in neutral sentiment. The trend analysis yielded several findings, such as the relatively stable fluctuations in neutral sentiment and the high fluctuations in positive and negative sentiments during certain months. Recommendations to alleviate public and employee concerns regarding the presence of AI in the workplace include establishing specific regulations and laws governing its use based on issues that are commonly discussed in negative sentiments. Furthermore, the public should responsibly engage with AI in the workplace. Additionally, employers can prudently adapt to technology and enforce internal rules to safeguard corporate data."

"Pengelola Museum Nasional Indonesia secara rutin melakukan survei kepuasan publik menggunakan instrumen survei yang diadaptasi dari Service Quality (SERVQUAL). Namun, pengelola museum nasional menghadapi sejumlah tantangan dalam menilai kepuasan publik melalui metode survei tradisional. Untuk itu, penelitian ini bertujuan untuk mengetahui kepuasan dan keluhan pengunjung menggunakan analisis sentimen berbasis aspek dan pemodelan topik pada ulasan Museum Nasional Indonesia di Google Maps. Enam pendekatan machine learning klasik, yaitu Naïve Bayes, Logistic Regression, Decision Tree, Random Forest, Support Vector Machine, dan Extreme Gradient Boosting (XGBoost), digunakan untuk analisis sentimen dengan ekstraksi fitur BoW dan TF-IDF. Penelitian ini menggunakan sejumlah metode pra-pemrosesan data, termasuk penghapusan stopwords, penggunaan stemming dan emoji processing, serta metode sampling SMOTE dan ROS pada data latih yang mengalami ketidakseimbangan kelas. Lima aspek yang digunakan dalam analisis ini berasal dari lima dimensi SERVQUAL: keberwujudan (tangibility), keandalan (reliability), daya tanggap (responsiveness), jaminan (assurance), dan empati (empathy). Evaluasi kinerja model dilakukan dengan membandingkan skor F1 pada eksperimen yang berbeda untuk menentukan skenario terbaik. Setelahnya dilanjutkan dengan pemodelan topik menggunakan metode Latent Dirichlet Allocation (LDA) yang dievaluasi berdasarkan coherence score. Hasil penelitian menunjukkan bahwa XGBoost dengan TF-IDF dan metode resampling SMOTE adalah model dengan kinerja terbaik di semua skenario dengan rata-rata F1-scores antara 89.5% hingga 90.2%. Pemodelan topik LDA menemukan ulasan positif mencakup kenyamanan, kebersihan, harga tiket terjangkau, akses mudah, staf ramah, dan respons cepat. Ulasan negatif mencakup masalah parkir, pencahayaan, koleksi kurang lengkap, teguran petugas keamanan, informasi koleksi kurang, jumlah petugas kurang, dan penutupan layanan tak diketahui.

---

The management of the National Museum of Indonesia routinely conducts public satisfaction surveys using instruments adapted from Service Quality (SERVQUAL). However, they face several challenges in assessing public satisfaction through traditional survey methods. Therefore, this study aims to understand visitor satisfaction and complaints using aspect-based sentiment analysis and topic modeling on Google Maps reviews of the National Museum of Indonesia. Six classical machine learning approaches, namely Naïve Bayes, Logistic Regression, Decision Tree, Random Forest, Support Vector Machine, and Extreme Gradient Boosting (XGBoost), were used for sentiment analysis with BoW and TF-IDF feature extraction. This study employed various data preprocessing methods, including stopword removal, stemming, emoji processing, and SMOTE and ROS sampling methods on imbalanced training data. The five aspects used in this analysis are derived from the five SERVQUAL dimensions: tangibility, reliability, responsiveness, assurance, and empathy. Model performance evaluation was conducted by comparing F1 scores across different experiments to determine the best scenario. This was followed by topic modeling using Latent Dirichlet Allocation (LDA), evaluated based on coherence scores. The results show that XGBoost with TF-IDF and SMOTE resampling methods is the best-performing model across all scenarios, with average F1-scores ranging from 89.5% to 90.2%. LDA topic modeling found that positive reviews include comfort, cleanliness, affordable ticket prices, easy access, friendly staff, and quick response. Negative reviews include parking issues, lighting, incomplete collections, unkind security staff, insufficient collection information, lack of staff, and unknown service closures."