Search Result  ::  Save as CSV :: Back

"Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLM) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLM, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLM dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLM dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%.

---

Journalism in the digital era has undergone significant transformations with the rise of online platforms and other social medias. This change carries along new challenges in presenting information which are both accurate and interest-grabbing for the general society. Previous researches have tried to tackle the challenges in regards to automatic creation of articles using short prompts. Therefore, this research is intended to complete that which is essential in the creation of online news articles; automatic image captioning. Our research’s focus is determining which is the most optimal Vision-Language Model (VLM) to create captions in the Indonesian language. The research is undergone using 3 (three) VLM approaches, being GoodNews, Transform and Tell, and VisualNews. The VLM development will be evaluated using the metrics BLEU, ROUGE, and CIDEr. Results gained from this research shows that the performance of the VisualNews model is far superior when compared to the GoodNews or Transform and Tell VLMs. The VisualNews model reached a score of 6.93% on the BLEU metric, 23.54% on the ROUGE-L, and a score of 42.66% using the CIDEr metric."

"Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLMs) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLMs, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLMs dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLMs dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%.

---

Journalism in the digital era has undergone significant transformations with the rise of online platforms and other social medias. This change carries along new challenges in presenting information which are both accurate and interest-grabbing for the general society. Previous researches have tried to tackle the challenges in regards to automatic creation of articles using short prompts. Therefore, this research is intended to complete that which is essential in the creation of online news articles; automatic image captioning. Our research's focus is determining which is the most optimal Vision-Language Model (VLMs) to create captions in the Indonesian language. The research is undergone using 3 (three) VLMs approaches, being GoodNews, Transform and Tell, and VisualNews. The VLMs development will be evaluated using the metrics BLEU, ROUGE, and CIDEr. Results gained from this research shows that the performance of the VisualNews model is far superior when compared to the GoodNews or Transform and Tell VLMs. The VisualNews model reached a score of 6.93% on the BLEU metric, 23.54% on the ROUGE-L, and a score of 42.66% using the CIDEr metric.

"

"Jurnalisme di era digital mengalami transformasi signifikan, dengan kemunculan online platform dan media sosial. Hal ini membawa tantangan baru dalam penyampaian informasi yang akurat dan menarik kepada khalayak umum. Penelitian-penelitian sebelumnya sudah mencoba untuk menyelesaikan masalah mengenai pembuatan berita secara otomatis menggunakan prompt singkat, maka dari itu penelitian ini ditujukan untuk melengkapi hal yang esensial untuk pembuatan artikel berita online, yaitu pembuatan keterangan gambar secara otomatis. Penelitian ini berfokus untuk menentukan Vision-Language Model (VLMs) yang paling optimal untuk membuat keterangan gambar dalam konteks artikel berita dalam Bahasa Indonesia. Penelitian dilakukan dengan 3 (tiga) pendekatan VLMs, yakni GoodNews, Transform and Tell, dan VisualNews. Pengembangan VLMs dilakukan dengan melatih masing-masing model secara terpisah. Selanjutnya VLMs dievaluasi dengan metrik penilaian BLEU, ROUGE, dan CIDEr. Hasil yang didapatkan oleh penulis menunjukkan bahwa performa pendekatan model VisualNews jauh lebih baik dibandingkan pendekatan model GoodNews dan Transform and Tell. Model ini mencapai nilai persentase BLEU-4 sebesar 6.93%, ROUGE-L sebesar 23.54%, dan CIDEr sebesar 42.66%.

---

Journalism in the digital era has undergone significant transformations with the rise of online platforms and other social medias. This change carries along new challenges in presenting information which are both accurate and interest-grabbing for the general society. Previous researches have tried to tackle the challenges in regards to automatic creation of articles using short prompts. Therefore, this research is intended to complete that which is essential in the creation of online news articles; automatic image captioning. Our research's focus is determining which is the most optimal Vision-Language Model (VLMs) to create captions in the Indonesian language. The research is undergone using 3 (three) VLMs approaches, being GoodNews, Transform and Tell, and VisualNews. The VLMs development will be evaluated using the metrics BLEU, ROUGE, and CIDEr. Results gained from this research shows that the performance of the VisualNews model is far superior when compared to the GoodNews or Transform and Tell VLMs. The VisualNews model reached a score of 6.93% on the BLEU metric, 23.54% on the ROUGE-L, and a score of 42.66% using the CIDEr metric.

"

"Pembangkitan komentar dari data terstruktur adalah tugas yang menantang dalam bidang pembangkitan bahasa alami dengan berbagai potensi aplikasi dalam bidang olahraga dan esports. Penelitian-penelitian sebelumnya sering berfokus pada penyesuaian model datake-teks khusus, namun eksperimen awal penulis menemukan bahwa pretrained language model menunjukkan performa yang lebih baik dalam pembangkitan komentar. Penelitian ini berfokus pada bagaimana pretrained language model dapat diadaptasi untuk menghasilkan performa yang lebih baik pada permasalahan pembangkitan komentar menggunakan data replay Counter-Strike. Penulis menemukan bahwa penyesuaian pretrained language model dapat meningkatkan kualitas semantik dan alami dari pembangkitan komentar. Namun, penulis juga menemukan bahwa peningkatan kualitas semantik dan alami ini didampingi dengan penurunan pada kualitas leksikal akibat tantangan intrinsik yang ada dalam pembangkitan komentar.

---

Generating commentary from structured data poses a significant challenge in natural language generation, with extensive applications in sports and esports domains. Previous research has predominantly centered on tailoring specialized data-to-text models for this task. However, our preliminary investigation indicates that pretrained language models exhibit superior performance in commentary generation. This study focuses on further adapting pretrained language models to enhance their suitability for esports commentary generation, specifically utilizing Counter-Strike replay data. Our findings reveal that through this adaptation, pretrained language models can augment the semantic quality and naturalness of generated commentary. Nevertheless, we observed a trade-off, as the improvement in semantic quality and naturalness was accompanied by a decline in lexical quality, owing to the inherent complexities involved in commentary generation."

"Dalam dekade terakhir, metode komunikasi lewat pengiriman pesan instan atau aplikasi chat mengalami peningkatan popularitas yang cukup drastis. Perkembangan hal ini menghasilkan peningkatan jumlah chatbot yaitu software yang didesain untuk menciptakan interaksi antara pengguna atau manusia dan komputer yang menggunakan bahasa yang serupa dengan percakapan biasa antara dua manusia. Dengan meningkatnya jumlah chatbot dalam berbagai bidang industri teknologi, makin diperlukan atensi lebih terhadap karakteristik-karakteristik yang mempengaruhi usability pada chatbot untuk meningkatkan pengalaman pengguna. Diperlukan kumpulan karakteristik usability chatbot yang dapat digunakan untuk mengevaluasi kualitas usability chatbot dari bidang manapun. Discord merupakan aplikasi chat dengan jumlah pengguna chatbot yang tinggi namun masih belum ada penelitian yang mengevaluasi chatbot pada aplikasi tersebut. Untuk melakukan evaluasi ini, digunakan beberapa metode yaitu systematic literature review yang menghasilkan daftar karakteristik usability chatbot secara umum, usability testing dengan tujuh partisipan untuk mendapat umpan balik secara langsung dari pengguna aplikasi chatbot musik Hydra pada Discord, data 105 pengguna Discord lewat chatbot usability questionnaire untuk memperoleh sebuah nilai kuantitatif mengenai usability chatbot Discord, dan analisis tematik untuk menentukan umpan balik pengguna yang dapat diubah menjadi perbaikan usability Discord. Hasil penelitian berupa daftar karakteristik chatbot dari SLR, CUQ score untuk usability chatbot dan usulan perbaikan beberapa fitur chatbot Hydra yang fokus kepada merepresentasikan informasi dengan lebih baik, pemberian umpan balik efektif atas command yang diberikan, membuat chatbot yang lebih manusiawi dalam cara berkomunikasi.

---

Over the past decade, there has been a significant surge in the popularity of communication methods through instant messaging and chat applications. This surge has led to a corresponding increase in the prevalence of chatbots—software designed to facilitate interactions between users or humans and computers, emulating natural human conversation. With the growing presence of chatbots across various sectors of the technology industry, there is a heightened need to scrutinize the key attributes that influence chatbot usability, ultimately enhancing the user experience. To address this need, there is a requirement for a comprehensive set of chatbot usability features that can be universally applied to evaluate chatbots across different domains. While Discord, a chat application, boasts a substantial user base for chatbots, there remains a noticeable absence of research focused on evaluating chatbots within this platform. To undertake this evaluation, a multi-faceted approach was employed, encompassing a systematic literature review that culminated in a compilation of chatbot usability characteristics, usability testing involving seven participants to solicit direct feedback on the Hydra music chatbot application on Discord, a chatbot usability questionnaire administered to 105 Discord users to gather quantitative insights into Discord chatbot usability, and a thematic analysis aimed at identifying user feedback for potential enhancements in Discord's usability. The research findings provide recommendations for refining various features of the Hydra chatbot, with a particular focus on enhancing information representation, delivering effective feedback in response to commands, and fostering a more human-like communication style."

"Dalam dekade terakhir, metode komunikasi lewat pengiriman pesan instan atau aplikasi chat mengalami peningkatan popularitas yang cukup drastis. Perkembangan hal ini menghasilkan peningkatan jumlah chatbot yaitu software yang didesain untuk menciptakan interaksi antara pengguna atau manusia dan komputer yang menggunakan bahasa yang serupa dengan percakapan biasa antara dua manusia. Dengan meningkatnya jumlah chatbot dalam berbagai bidang industri teknologi, makin diperlukan atensi lebih terhadap karakteristik-karakteristik yang mempengaruhi usability pada chatbot untuk meningkatkan pengalaman pengguna. Diperlukan kumpulan karakteristik usability chatbot yang dapat digunakan untuk mengevaluasi kualitas usability chatbot dari bidang manapun. Discord merupakan aplikasi chat dengan jumlah pengguna chatbot yang tinggi namun masih belum ada penelitian yang mengevaluasi chatbot pada aplikasi tersebut. Untuk melakukan evaluasi ini, digunakan beberapa metode yaitu systematic literature review yang menghasilkan list karakteristik usability chatbot secara umum, usability testing dengan 7 partisipan untuk mendapat umpan balik secara langsung dari pengguna aplikasi chatbot musik Hydra pada Discord, data 105 pengguna Discord lewat chatbot usability questionnaire untuk memperoleh sebuah nilai kuantitatif mengenai usability chatbot Discord, dan thematic analysis untuk menentukan umpan balik pengguna yang dapat diubah menjadi perbaikan usability Discord. Hasil penelitian berupa list karakteristik chatbot dari SLR, CUQ score untuk usability chatbot dan usulan perbaikan beberapa fitur chatbot Hydra yang fokus kepada merepresentasikan informasi dengan lebih baik, pemberian umpan balik efektif atas command yang diberikan, membuat chatbot yang lebih manusiawi dalam cara berkomunikasi.

---

In the last decade, communication methods via instant messaging or chat applications have increased in popularity quite drastically. This development has resulted in an increase in the number of chatbots, namely software designed to create interactions between users or humans and computers that use a language similar to an ordinary conversation between two humans. With the increasing number of chatbots in various fields of the technology industry, more and more attention is needed on the characteristics that affect the usability of chatbots to improve the user experience. A collection of chatbot usability features is needed that can be used to evaluate the usability quality of chatbots from any field. Discord is a chat application with a high number of chatbot users, but there is still no research evaluating chatbots in this application. To carry out this evaluation, several methods were used, namely a systematic literature review that results in a list of chatbot usability characteristics, usability testing with 7 participants to get direct feedback from users of the Hydra music chatbot application on Discord, data on 105 Discord users via a chatbot usability questionnaire to obtain a quantitative assessment of the usability of the Discord chatbot, and a thematic analysis to determine user feedback that can be turned into improvements to Discord usability. The results of the evaluation of the research are in the form of suggestions for improving several Hydra chatbot features that focus on better representing information, providing effective feedback on commands given, making chatbots more humane in the way they communicate."

"Dalam dekade terakhir, metode komunikasi lewat pengiriman pesan instan atau aplikasi chat mengalami peningkatan popularitas yang cukup drastis. Perkembangan hal ini menghasilkan peningkatan jumlah chatbot yaitu software yang didesain untuk menciptakan interaksi antara pengguna atau manusia dan komputer yang menggunakan bahasa yang serupa dengan percakapan biasa antara dua manusia. Dengan meningkatnya jumlah chatbot dalam berbagai bidang industri teknologi, makin diperlukan atensi lebih terhadap karakteristik-karakteristik yang mempengaruhi usability pada chatbot untuk meningkatkan pengalaman pengguna. Diperlukan kumpulan karakteristik usability chatbot yang dapat digunakan untuk mengevaluasi kualitas usability chatbot dari bidang manapun. Discord merupakan aplikasi chat dengan jumlah pengguna chatbot yang tinggi namun masih belum ada penelitian yang mengevaluasi chatbot pada aplikasi tersebut. Untuk melakukan evaluasi ini, digunakan beberapa metode yaitu systematic literature review yang menghasilkan daftar karakteristik usability chatbot secara umum, usability testing dengan tujuh partisipan untuk mendapat umpan balik secara langsung dari pengguna aplikasi chatbot musik Hydra pada Discord, data 105 pengguna Discord lewat chatbot usability questionnaire untuk memperoleh sebuah nilai kuantitatif mengenai usability chatbot Discord, dan analisis tematik untuk menentukan umpan balik pengguna yang dapat diubah menjadi perbaikan usability Discord. Hasil penelitian berupa daftar karakteristik chatbot dari SLR, CUQ score untuk usability chatbot dan usulan perbaikan beberapa fitur chatbot Hydra yang fokus kepada merepresentasikan informasi dengan lebih baik, pemberian umpan balik efektif atas command yang diberikan, membuat chatbot yang lebih manusiawi dalam cara berkomunikasi.

---

Over the past decade, there has been a significant surge in the popularity of communication methods through instant messaging and chat applications. This surge has led to a corresponding increase in the prevalence of chatbots—software designed to facilitate interactions between users or humans and computers, emulating natural human conversation. With the growing presence of chatbots across various sectors of the technology industry, there is a heightened need to scrutinize the key attributes that influence chatbot usability, ultimately enhancing the user experience. To address this need, there is a requirement for a comprehensive set of chatbot usability features that can be universally applied to evaluate chatbots across different domains. While Discord, a chat application, boasts a substantial user base for chatbots, there remains a noticeable absence of research focused on evaluating chatbots within this platform. To undertake this evaluation, a multi-faceted approach was employed, encompassing a systematic literature review that culminated in a compilation of chatbot usability characteristics, usability testing involving seven participants to solicit direct feedback on the Hydra music chatbot application on Discord, a chatbot usability questionnaire administered to 105 Discord users to gather quantitative insights into Discord chatbot usability, and a thematic analysis aimed at identifying user feedback for potential enhancements in Discord's usability. The research findings provide recommendations for refining various features of the Hydra chatbot, with a particular focus on enhancing information representation, delivering effective feedback in response to commands, and fostering a more human-like communication style."

"Jurnalisme modern memperketat persaingan dalam segi kecepatan penerbitan berita. Sementara itu, pembuatan berita sendiri melibatkan proses yang panjang dan penuh ketelitian. Hal ini menimbulkan dilema antara mengutamakan kecepatan pemberitaan atau kualitas berita. Imbasnya, sistematika penulisan berita tidak dijalankan dengan baik sehingga tidak sedikit media massa memberitakan hal tidak benar. Menyadari permasa- lahan tersebut, Automatic Indonesian News Generation System (AINGS) menghadirkan sebuah inovasi dengan mengembangkan Content Management System (CMS) berbasis web yang terintegrasi dengan kecerdasan buatan untuk membantu jurnalis dalam menulis dan melakukan veri kasi berita secara otomatis. Dengan fokus pada perancangan sistem dan implementasinya dalam bentuk front-end berbasis web, pengembangan ini mencoba menyelesaikan masalah yang lebih spesi k dengan membagi CMS AINGS menjadi dua bagian, yaitu CMS untuk wartawan dan CMS untuk redaktur. Wartawan dan redaktur dipilih menjadi aktor utama dalam sistem karena dua profesi tersebut terjun langsung dalam proses penulisan dan veri kasi berita. Pengembangan dilakukan dengan mener- apkan phased development methodology, mulai dari perencanaan, analisis, hingga system versioning. Melalui 3 iterasi, tujuan pengembangan berturut-turut antara lain MVP, kebu- tuhan pengguna, dan evaluasi pengguna. Berdasarkan hasil evaluasi akhir produk meng- gunakan metode UAT dan survei evaluasi penggunaan, kedua sistem dinilai sudah cukup memenuhi kebutuhan jurnalis, baik wartawan maupun redaktur, dalam membantu proses pembuatan berita.

---

Modern journalism has intensi ed competition in terms of speed of news publication, while news production itself involves a long and careful process. This creates a dilemma between prioritizing the speed of reporting or the quality of the news. As a result, the systematic of news writing are not carried out well so that quite a few media people re- port false news. Realizing this problem, Automatic Indonesian News Generation System (AINGS) presents an innovation by developing a web-based Content Management System (CMS) that is integrated with arti cial intelligence to assist journalists in writing and ver- ifying news automatically. By focusing on the system design and front-end of the AINGS system implementation, this development tries to solve speci c problems by dividing the AINGS CMS into two parts, namely CMS for reporter and CMS for editor. Reporter and editors were chosen to be the main actors in the system because these two professions are directly involved in the process of writing and verifying news. Development is carried out by implementing phased development methodology, starting from planning, analysis, to system versioning. Through 3 iterations, the development objectives in each iterations are for the MVP, ful lling user needs, and re ne based on user evaluations. Based on the results of the nal product evaluation using UAT method and system’s usage evaluation survey, the two systems were deemed suf cient to meet the needs of journalists, both re- porters and editors, in assisting the news creation process."

"Kebutuhan akan informasi yang cepat dan valid semakin mendesak di tengah arus in- formasi yang cepat. Kemajuan teknologi memberikan dampak signi kan terhadap in- dustri jurnalisme untuk mengakomodasi kebutuhan informasi tersebut. Proses produksi berita, yang tradisionalnya memakan waktu, terus dihadapkan pada tuntutan untuk meng- hasilkan informasi dengan cepat dan akurat. Penelitian ini merespon tantangan terse- but dengan melakukan pengembangan model generatif yang dapat melakukan pembuatan berita secara otomatis. Dalam pengembangan model generatif, penulis melakukan bebe- rapa skenario percobaan untuk menguji pengaruh ukuran jumlah parameter, jenis prompt- ing, dan penggunaan delimiter pada prompt yang digunakan terhadap kualitas model yang dihasilkan. Percobaan dilakukan dengan melakukan ne tuning pada dua buah large language model yang memiliki arsitektur berbeda, yaitu Falcon dan BLOOM. Pengem- bangan large language model selanjutnya dilakukan proses evaluasi dengan menggunakan metrik measurement BLEU, ROUGE, perplexity, dan human evaluation kepada wartawan terhadap berita yang dihasilkan. Hasil yang penulis dapatkan menunjukkan bahwa terda- pat beberapa aspek yang memengaruhi kualitas berita yang dihasilkan oleh model dalam proses ne tuning. Beberapa aspek tersebut di antaranya adalah ukuran jumlah parameter, jenis prompting, dan penggunaan delimiter pada prompt yang digunakan. Model terbaik yang didapatkan dari keseluruhan model percobaan adalah BLOOM dengan jumlah pa- rameter 7B yang mendapatkan hasil evaluasi ROUGE-1 sebesar 0,3856 dan perplexity sebesar 5,79809. Model ini juga dapat menghasilkan berita yang sesuai dengan kebu- tuhan wartawan dalam proses human evaluation, baik dari kesesuaian dengan kaidah ke- bahasaan dan penulisan berita maupun ketepatan berita dengan fakta sebenarnya. Model ini mendapatkan penilaian sebesar 4,25 dari 5,00 untuk kesesuaian dengan kaidah keba- hasaan dan 4,27 dari 5,00 untuk ketepatan dengan fakta sebenarnya.

---

The escalating need for swift and accurate information in today's dynamic information landscape poses a significant challenge. Technological advancements have profoundly impacted the journalism industry, necessitating adaptations to fulfill evolving information requirements. The traditional, time-consuming news production process is under constant pressure to deliver information swiftly and accurately. This research tackles these challenges by developing a generative model capable of automating news creation. The author explores various experimental scenarios in the generative model development, investigating the influence of parameters' quantity, prompting techniques, and the use of delimiters in prompts on the resulting model's quality. The experiments involve fine-tuning two large language models with different architectures, Falcon and BLOOM. The subsequent evaluation process utilizes metrics such as BLEU, ROUGE, perplexity, and human evaluation by journalists to assess the quality of the generated news. The findings underscore that several factors, including parameter quantity, prompting techniques, and delimiter use, impact the news model's quality during the fine-tuning process. Significantly, among the experimented models, the BLOOM model with 7B parameters emerges as the overall best performer. This model achieves a ROUGE-1 evaluation of 0.38656 and a perplexity of 5.79809. In human evaluation, the BLOOM model excels in linguistic adherence and factual accuracy, receiving ratings of 4,25 out of 5.00 and 4,27 out of 5.00, respectively."

"Skripsi ini membahas tentang penerapan regulasi yang berkaitan dengan bencana alam dan media untuk melihat proses pembuatan berita bencana pada satu lembaga penyiaran publik dan dua lembaga penyiaran swasta. Proses dari sisi seorang reporter dan kepala peliputan masing-masing stasiun televisi. Berita bencana alam menjadi tinjauan dari penelitian ini karena berita ini masih mengambil banyak perhatian publik namun pemberitaannya tidak seimbang dari aspek manajemen bencana serta masih mengabaikan beberapa etika yang berlaku. Penelitian ini menganalisis aturan yang ada mengenai penyiaran bencana dan menguji bagaimana implementasinya pada lembaga penyiaran ketika sedang melakukan proses praproduksi hingga pascaproduksi sebuah berita bencana. Metode yang dilakukan adalah wawancara mendalam dan studi dokumen. Hasil penelitian menunjukkan bahwa lembaga penyiaran publik cenderung tidak tegas dalam menjalankan regulasi dalam proses pembuatan berita bencana, sementara lembaga penyiaran swasta menerapkan regulasi dalam pembuatan liputan dengan penerapan yang berbeda.

---

This thesis discussesthe implementation of regulations that relate to natural disaster and mediato see the process of making disaster news in a public broadcasting institution, and two private broadcasting institutions.The process of making disaster news is seen from the side of a reporter and news manager of each broadcasting station. Natural disaster news become a main object of this research because disaster news is still taking much public attention but its news coverage is unbalanced from the aspects of disaster management and still ignores some of the prevailing ethics.

This study analyzes the existing regulation on disaster broadcasting and tests how they are implemented in broadcasting stations while preproduction to postproduction of making a natural disaster news. The methods used are in depth interviews and document studies. The results of this theses show that public broadcasting agencies are the least assertive in carrying out regulations in the process of making disaster news, and private broadcasters implement some regulations in the making of coverage, although the level of implementation is much different. "