Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu media sosial yang berkembang saat ini adalah twitter, twitter menjadi salah satu tempat bagi masyarakat untuk memberikan opini atau pendapat terhadap hal-hal yang menarik bagi masyarakat, sehingga opini-opini dan pendapat yang tertuang di dalam twitter dapat menjadi acuan bagi orang yang membutuhkan. Sehingga dibutuhkan metode otomatis untuk menganalisis hal tersebut yaitu dengan analisis sentiment sentiment analysis. Secara umum, masalah sentimen analisis merupakan suatu masalah klasifikasi, yaitu bagaimana mengklasifikasikan suatu data tekstual ke dalam kelas sentimen positif atau negatif. Salah satu metode klasifikasi yang dapat digunakan adalah Support vector machine SVM. Pada proses klasifikasi sentimen dari data tekstual, data tekstual tersebut umunya direpresentasikan dalam vektor dengan fitur atau dimensi berupa kata. Disamping fitur kata, saat ini ada metode untuk mendeteksi topik pada suatu data tekstual yaitu dengan Nonnegative Matrix Factorization NMF. Pada penelitian yang dianalisis adalah menggunakan fitur topik untuk analisis sentimen dengan cara menggabungkan metode Nonnegative Matrix Factorization NMF dan Support vector machine SVM . Nilai akurasi dari metode penggabungan ini menunjukkan hasil yang lebih baik.

---

One social media developed at this time is twitter, twitter became one of the places for the public to give opinions or views on matters of interest to the public, so that the opinions and views expressed in twitter can be a reference for people in need. So it takes an automatic method for analyzing it is by analysis of sentiment sentiment analysis. In general, sentiment analysis problem is a problem of classification., Namely how to classify a class of textual data into a positive or negative sentiment.

One method of classification that can be used is Support vector machine SVM. In the process of sentiment classification of textual data, textual data are generally represented by a vector with a feature or dimension in the form of words. Besides the features of the word, at this time there is a method for detecting a topic in a textual data that is with nonnegative Matrix Factorization NMF.

In the study are analyzed using the feature topic for sentiment analysis by combining methods nonnegative Matrix Factorization NMF and Support vector machine SVM. Rated accuracy of this incorporation method showed better results."

"ABSTRAKPenelitian ini menguji emosi (arousal dan valence) pengguna media sosial Twitter dalam menggunakan Twitter. Penelitian ini menggunakan TAM untuk menjelaskan pengaruh penggunaan media sosial Twitter sebagai media pemasaran acara Banyuwangi Festival terhadap sikap dalam menggunakan. Sikap yang ditunjukan akan mempengaruhi pengguna untuk menghadiri acara Banyuwangi Festival yang sesungguhnya. Penelitian ini menggunakan desain penelitian deskriptif, dengan jumlah sampel sebanyak 135 responden, responden dari penelitian ini yaitu flower Twitter Banyuwangi Festival. Penelitian ini menggunakan metode analisis SEM dengan software LISREL.Hasil dari penelian ini menunjukan bahwa hanya Percieved Ease of Use yang dipengaruhi oleh emosi (Valence). Sikap pengguna media sosial Twitter dalam penelitian ini hanya dipengaruhi oleh Perceived Ease of Use dan Perceived Enjoyment, dan sikap yang tunjukan pengguna pada saat menggunakan Media Sosial Twitter mempengaruhi pengguna untuk menghadiri acara yang sesungguhnya.

---

ABSTRACTThis research aims to analyze the emotion (arousal and valence) of Twitter users when they use Twitter. This research uses TAM to explain the influence of Twitter as a marketing strategy for Banyuwangi Festival towards the attitude in using Twitter. The attitude shown will influence Twitter users to attend the event, Banyuwangi Festival. This research uses descriptive research design with the total samples of 135 respondents. The respondents in this research are the followers of Banyuwangi Festival Twitter. This research uses SEM analytical methodology by using LISREL as the software. This research found that only Perceived Ease of Use which is affected by valence. This research also found that the attitude of Twitter users is affected by the Perceived Ease of Use and Perceived Enjoyment, and the attitude shown by Twitter users when they use Twitter affect them to attend the event, Banyuwangi Festival."

"Skripsi ini membahas bagaimana netizen Twitter yang turut serta dalam tagar #NetflixTidakAman memaknai agenda publik tagar tersebut serta apa motivasi mereka mengikuti tagar itu. Penelitian ini memanfaatkan teori agenda building, self- determination dan reception. Penelitian ini adalah penelitian kualitatif yang menggunakan wawancara terstruktur sebagai teknik pengumpulan data. Subjek penelitian pada penelitian ini ialah netizen Twitter yang turut serta dalam tagar #NetflixTidakAman. Hasil penelitian ini menunjukkan bahwa netizen yang memiliki motivasi intrinsik cenderung memiliki pemaknaannya sendiri terkait Netflix sedangkan netizen yang memiliki motivasi ekstrinsik masih dapat terpengaruh oleh narasi yang dibentuk tagar #NetflixTidakAman. Penelitian ini memperlihatkan bagaimana tagar #NetflixTidakAman dapat membentuk agenda publik yang menunjukkan keraguan publik akan keamanan Netflix.

---

ABSTRACTThis thesis discusses how Twitter netizens who participated in the hashtag #NetflixTidakAman interpreted the hashtag's public agenda and what their motivations were to follow that hashtag. This study utilizes agenda building theory, self-determination and reception. This research is a qualitative study using structured interviews as a data collection technique. The research subjects in this study are Twitter netizens who participated in the hashtag #NetflixTidakAman. The results of this study indicate that netizens who have intrinsic motivation tend to have their own meaning related to Netflix while netizens who have extrinsic motivation can still be affected by the narrative formed in the hashtag of #NetflixTidakAman. This research indicates the hashtag #NetflixTidakAman can create a public agenda that shows public doubts about Netflix`s security."