Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKSkripsi ini akan membahas implementasi perancangan aplikasi data mining yang ditulis menggunakan bahasa pemrograman Java untuk mendapatkan konten media sosial terkait sentimen mengenai pengalaman pembelajaran dari pelajar di Indonesia. Aplikasi Java yang dirancang akan meminta masukan kata kunci pencarian kepada pengguna, untuk kemudian dilakukan pencarian menggunakan library twitter4j untuk dapat mengakses endpoint search/tweets.json yang terdapat pada Twitter core API. Setelah melakukan pencarian konten media sosial, aplikasi akan menuliskan hasil pencarian ke dalam berkas spreadsheet untuk dianalisis lebih lanjut. Hasil dari spreadsheet tersebut kemudian dilakukan perhitungan untuk masing-masing keyword nya dan ada pengkategorian lebih lanjut untuk sentimen negatif. Hasil dari pengambilan data yang berjumlah 2000 tweet menunjukkan sentimen positif mempunyai persentase paling sedikit, yaitu 596 (30%), sentimen negatif berjumlah 600 (30%) dan sentimen netral persentasenya paling besar, yaitu 804 (40%). Lalu untuk pengkategorian sentimen negatif, kategori 3 yaitu Emosi Negatif berjumlah paling banyak dengan jumlah 303 tweet (50%). Sedangkan kategori 1, 2, 4 dan 5 masing-masing mempunyai persentase 12%, 11%, 9% dan 18%.

---

ABSTRACT

This thesis discuss about data mining application design written in Java language program to get social media content regarding learning experience sentiment from student across Indonesia. Designed Java application will inquire searching keywords from users and then it will search using library twitter4j to access endpoint search/tweets.json in Twitter core API. After searching process, the application will write the search result into spreadsheet for further analysis. The data result saved in the spreadsheet will be compute for each keywords and there will be further classification for negative sentiment result. Sample from 2000 tweets shows positive sentiment has the least percentage, about 596 tweets (30%), negative sentiment has 600 tweets (30%) and neutral sentiment has the biggest value, 804 tweets (40%). For negative sentiment classification, Negative Emotion as category 3 has the most tweets with 304 tweets (50%). Meanwhile, category 1,2,4 and 5 have percentages with each value consist 12%, 11%, 9% and 18%."

"Dunia menghadapi ancaman pandemi Covid-19 pada akhir tahun 2019. Tanggapan terhadap situasi pandemi menimbulkan perubahan dalam cara bekerja dan memaksa sebagian besar pekerja non-esensial untuk beradaptasi dengan bekerja dari jarak jauh. Setelah penyebaran virus dan tingkat kematian akibat Covid-19 mulai menurun, organisasi dan perusahaan mulai memberlakukan kembali kebijakan WFO. Namun, kembalinya aktivitas bekerja secara normal tidak disambut baik oleh para pekerja. Sejumlah survei mengungkapkan bahwa banyak pekerja yang enggan kembali bekerja di kantor setelah beradaptasi dengan bekerja dari rumah selama dua tahun pandemi. Penelitian menggunakan experimental research untuk melakukan analisis sentimen dan pemodelan topik terhadap kebijakan WFO. Analisis sentimen dilakukan dengan membandingkan lima algoritma pembelajaran mesin, Naïve Bayes, Support Vector Machine, Decision Tree, Random Forest, dan Neural Networks. Sedangkan pemodelan topik menggunakan algoritma Latent Dirichlet Allocation. Penelitian menggunakan data dari Twitter yang diambil sejak bulan Januari 2022 hingga Mei 2023. Berdasarkan hasil eksperimen, algoritma Neural Networks dengan sampel data oversampling memberikan performa terbaik dalam memprediksi sentimen. Model menghasilkan nilai akurasi sebesar 75,61% dan f1-score 75,16%. Berdasarkan hasil penelitian, sentiment yang paling banyak diungkapkan di Twitter terkait kebijakan WFO adalah netral, disusul negatif, dan terakhir positif. Sedangkan dari hasil pemodelan topik, sentiment positif menghasilkan 3 topik, yaitu “keseruan WFO karena bertemu teman kantor”, “bekerja secara WFO meningkatkan fokus dan produktivitas”, serta “aktivitas jajan dan makan siang saat WFO”. Sentimen negatif 4 menghasilkan topik, di antaranya “kemacetan lalu lintas saat WFO”, “peningkatan biaya transport dan pengeluaran saat WFO”, “efek WFO terhadap kesehatan”, serta “kemalasan di pagi hari saat WFO”. Sedangkan sentimen netral menghasilkan 3 topik, yaitu “lowongan kerja hybrid working atau WFA”, “bekerja secara WFO”, dan “rutinintas WFO”.

---

The world faced the threat of the Covid-19 pandemic at the end of 2019. The response to the pandemic situation led to changes in the way of working and forced most non- essential workers to adapt to remote working. After the spread of the virus and the death rate due to Covid-19 began to decline, organizations and companies began to re-impose WFO policies. However, the return to normal work activities was not welcomed by workers. Several surveys reveal that many workers are reluctant to return to the office after adapting to working from home during the two years of the pandemic. The research uses experimental research to conduct sentiment analysis and topic modeling on WFO policies. Sentiment analysis is carried out by comparing five machine learning algorithms, Naïve Bayes, Support Vector Machine, Decision Tree, Random Forest, and Neural Networks. Meanwhile, topic modeling uses the Latent Dirichlet Allocation algorithm. The research uses data from Twitter taken from January 2022 to May 2023. Based on experimental results, the Neural Networks algorithm with oversampling data samples provides the best performance in predicting the sentiment. The model produces an accuracy value of 75.61% and an f1-score of 75.16%. Based on research results, the most expressed sentiment on Twitter regarding WFO policies is neutral, followed by negative, and then positive. Meanwhile, from the results of topic modeling, positive sentiment resulted in 3 topics, namely "the excitement of WFO because of meeting office friends", "working in WFO increases focus and productivity", and "lunch activities during WFO". Negative sentiment generated 4 topics, including "traffic jams during WFO", "increased transport costs and expenses during WFO", "effects of WFO on health", and "laziness in the morning during WFO". Meanwhile, neutral sentiment resulted in 3 topics, namely "hybrid working or WFA job vacancies", "working activities in the office", and "WFO routines"."

"Skripsi ini membahas mengenai sufiks -teki sebagai hedge (pagar) dalam cuitan (tweet) yang diposting dalam situs jejaring sosial Twitter pada bulan Oktober 2016. Tujuan dari penelitian ini adalah untuk memerikan sufiks -teki sebagai hedge (pagar). Dengan memerikan sufiks -teki sebagai hedge (pagar), dapat diketahui penggunaan dan fungsi sufiks -teki sebagai hedge (pagar). Selain itu, dapat diketahui sikap pencuit yang menggunakan sufiks -teki dalam cuitannya. Hasil penelitian menunjukkan bahwa berdasarkan 21 data yang dianalisis, penggunaan sufiks -teki sebagai hedge (pagar) dapat dikelompokkan berdasarkan posisi, yaitu penggunaan sufiks -teki pada pronomina persona pertama, sufiks -teki pada kuotasi, dan sufiks -teki (na) pada modifikator nomina. Sufiks -teki berfungsi untuk menghaluskan ujaran. Hal ini dipicu oleh sikap pencuit yang berupaya untuk menghindari konflik dengan pembaca cuitan.

---

The focus of this study is the use of the suffix -teki as a hedge found on tweets posted on October 2016 on the social media site Twitter. The purpose of this research is to describe the suffix -teki as hedge. By describing the suffix -teki as hedge, the use of suffix -teki as hedge and its functions will be discovered. Moreover, the tweeter (the person who tweeted) attitude toward their tweets will be found out. Based on the 21 tweets analyzed, the suffix -teki used as hedges can be divided into three groups based on its position in the sentence, which are the use of the suffix -teki after first person pronouns, suffix -teki after quotation, and suffix -teki (na) after noun modifier. The use of the suffix -teki as a hedge implies that the tweeter (the person who tweeted) weakens the assertion of the speech. The use of the suffix -teki as a hedge is motivated by the attitude of tweeter who attempted to avoid conflicts with the readers."

"Tesis ini membahas kebutuhan-kebutuhan pengguna terhadap kepuasan dan niat keberlanjutan penggunaan dengan berlandaskan teori uses and gratifications. Penelitian ini merupakan penelitian kuantitatif dengan pendekatan eksplanatif. Sebanyak 405 responden dengan kriteria yaitu pengguna Twitter yang tergabung sebagai follower akun autobase @indomyfess, berhasil diperoleh dengan kuesioner yang disebar secara nline. Metode analisis deskripitif dan SEM digunakan untuk membuktikan adanya pengaruh kepuasan penggunaan terhadap niat keberlanjutan penggunaan media sosial. Mengadopsi kerangka penelitian Bae (2017), terdapat tiga hipotesis dalam penelitian ini, yaitu kebutuhan yang dicari pengguna terpuaskan. Kedua, masing-masing terpenuhinya kebutuhan berpengaruh terhadap kepuasan pengguna secara menyeluruh. Ketiga, kepuasan pengguna berpengaruh terhadap niat keberlanjutan penggunaan media sosial. Selisih gratification sought dan gratification obtained menemukan bahwa pada aspek sosialiasi, kenyamanan, dan dukungan sosial, kebutuhan pengguna terpenuhi. Kemudian hasil penelitian membuktikan bahwa kebutuhan yang terpenuhi mempengaruhi kepuasan pengguna dan kepuasan pengguna mengarah pada niat keberlanjutan penggunaan. Di masa depan, penelitian dapat menekankan faktor komunitas yang tidak dibahas mendalam pada penelitian ini.

---

This study discusses the user needs towards satisfaction and intention to continue using social media based on the uses and gratifications theory. This research is an quatitative research with explanatory approach used. A total of 405 respondents with the criteria, that is Twitter users who follow autobase account @indomyfess, were successfully obtained with questionnaires distributed online. Descriptive analysis and SEM methods were used to demonstrate the effect of user satisfaction on the intention to continue using social media. Adopting research framework of Bae (2017), there are three hypotheses in this study, firstly the needs which users seek are satisfied. Secondly, the fulfillment of each need affects overall user satisfaction. Thirdly, user satisfaction affects the intention to continue using social media. Using gratification sought and gratification obtained, it found that user needs in aspect of socialization, convenience, and social support, were met. Moreover, results of the study prove that fulfilled needs affect user satisfaction and user satisfaction leads to the continuance usage for social media users. In the future, research may emphasize community factors which were not discussed in depth in this study."

"Media sosial kini telah menjadi bagian dari komunikasi organisasi, termasuk organisasi pendidikan. Bagi humas, yang memiliki peran dalam membangun dan menjalin hubungan baik dengan publik, kehadiran media sosial dapat menjadi peranti baru dari strategi information subsidies. Di sisi lain, setiap organisasi perlu memiliki reputasi positif supaya tercipta kesepahaman dan kepercayaan antara publik dan organisasi. Penelitian ini bertujuan untuk mengetahui pengaruh penggunaan media sosial twitter sebagai information subsidies tool terhadap reputasi Universitas Indonesia. Penelitian ini menggunakan metode kuantitatif melalui survei kuesioner online dengan 75 responden. Dari pengujian korelasi rank Spearman, menunjukkan hasil ada hubungan yang kuat antara variabel media sosial dan reputasi dengan angka koefisien korelasi positif 0,563. Sehingga penelitian ini menyimpulkan media sosial berpengaruh terhadap reputasi.

---

Social media has become a fundamental part of organizational communication, included educational organization. For public relations, which has a central role in building and maintaining good relationship between organization and its public, social media can be a new tool of its information subsidies strategy. In addition, every organization should has a good reputation in order to create mutual understanding and mutual trust between organization and its public.

This study aimed to determine the influence of social media as information subsidies tool towards reputation of university of Indonesia. This study is quantitative research by online questionnaire survey to 75 respondents. By using Spearman's correlation test, the result obtained there was strong correlation between two variables with the correlation coefficients of 0,563. The study conclude that there was influence of social media on reputation."

"Twitter merupakan salah satu media sosial yang sangat populer dan banyak digunakan untuk berbagai kepentingan, salah satunya adalah sebagai media promosi. Tujuan dari penelitian ini adalah untuk mengetahui pemberdayaan Twitter sebagai media promosi Perpustakaan Universitas Indonesia. Penelitian ini merupakan penelitian kualitatif dengan menggunakan metode studi kasus. Hasil dari penelitian ini adalah temuan interaksi antara pustakawan dan pemustaka di Perpustakaan Universitas Indonesia terkait adanya aliran informasi dan komunikasi dua arah melalui Twitter. Perpustakaan Universitas Indonesia belum maksimal dalam memanfaatkan Twitter karena adanya kendala pada pustakawan dalam mempublikasikan hasil pekerjaannya.

---

Twitter is one of the social media. It is very popular and widely used for various purposes, one of which was as a media promotion. The purpose of this research is to know the empowerment of Twitter as a promotional media Universitas Indonesia Library. This research is qualitative research using the case study method. The results of this research are findings of the interaction between user and librarian at the Universitas Indonesia Library related to the flow of information and two-way communication via Twitter. University Indonesia Library have not been fullest in utilizing Twitter due to constraints on librarians in publicizing the results of its work."

"Pandemi Covid-19 telah melanda Indonesia selama lebih dari satu tahun. Hal tersebut menyebabkan terhentinya kegiatan normal di berbagai sektor kehidupan masyarakat, khususnya dalam dunia pendidikan. Setelah lebih dari satu tahun menutup kegiatan belajar tatap muka, Pemerintah kembali merencanakan kembalinya pendidikan tatap muka. Meskipun pendidikan tatap muka dinilai lebih efektif, akan tetapi bahaya Covid-19 yang semakin mudah menular menyebabkan kekhawatiran di dalam masyarakat. Untuk itu, pemerintah wajib menampung aspirasi rakyatnya. Salah satunya adalah dengan menggunakan metode sentimen analisis. Dengan mengkombinasikan feature yang terdapat pada data Twitter, maka kita bisa membangun sebuah model untuk mengklasifikasi opini masyarakat. Penelitian ini juga membandingkan algoritma machine learning Support Vector Machine (SVM) dan Multi-layer Perceptron (MLP). Hasilnya, penambahan feature dan penggunaan algoritma (SVM) dalam mengklasifikasikan model Sentiment-Neutral menghasilkan nilai akurasi dan F-1 Score terbaik (85,78% dan 81,0%). Selain itu, visualisasi menggunakan Scattertext berhasil merepresentasikan teks dalam suatu plot. Hasilnya adalah mayoritas masyarakat yang mendukung kembalinya pendidikan tatap muka berdasarkan kepercayaan bahwa pendidikan tatap muka lebih efektif dibandingkan dengan pendidikan online. Di sisi lain, masyarakat juga takut akan bahayanya virus Covid-19.

---

The Covid-19 pandemic has hit Indonesia for more than a year. This causes the cessation of daily activities in various sectors in Indonesia, especially in the education sector. After more than a year banning face-to-face learning activities, the Government is now planning to unban the face-to-face education. Although face-to-face education is considered more effective, the danger of Covid-19 which is easily transmitted causing concern amongst people. Because of that, the government must accommodate the aspirations of the people. One of them is by using sentiment analysis method. By combining the features contained in the Twitter data, we can build a model to classify public opinions. This study also compares machine learning algorithms Support Vector Machine (SVM) and Multi-layer Perceptron (MLP). As a result, the addition of features and the use of the SVM algorithm in classifying the Sentiment-Neutral model resulted in the best accuracy and F-1 scores (85.78% and 81.0%). In addition, visualization using Scattertext successfully represents text in a plot. The result is the majority of people who support the return of face-to-face education based on the belief that face-to-face education is more effective than online education. On the other hand, people are also afraid of the dangers of the Covid-19 virus."

"Penelitian ini dilakukan untuk mengetahui hubungan kausalitas antara traffic media sosial twitter dengan pergerakan saham perusahaan. Metode penelitian yang digunakan adalah scrapping data dari twitter, adopsi granger causality VAR untuk pengujian kausalitas, dan analisi perilaku herding. Data dalam penelitian ini berupa data time series dari bulan Februari 2020 sampai dengan Oktober 2020 dengan basis 30 menit. Penelitian ini dilakukan pada perusahaan penerbangan komersial terbuka di Indonesia, dengan total didapatkan 89.334 tweet yang sudah tersaring. Penelitian ini memberikan informasi tentang tren volume tweet dan aktivitas pasar saham serta korelasi di antara keduanya. Hasil analisis memberikan kesimpulan bahwa tidak ada kausalitas terarah antara Traffic Twitter dan Pergerakan Saham perusahaan penerbangan komersial Indonesia pada periode penuh, namun ditemukan hubungan causalitas pada periode per dua bulan pada skema 2 periode 4. Penelitian ini menemukan perilaku herding pada periode tersebut dan potensi informasi bahwa pasar saham yang bersangkutan punya penyebaran informasi oleh investor yang belum merata serta bukti yang didapatkan berpotensi menggambarkan pasar yang weak-form.

---

This research is conducted to know the relationship of causality between the traffic of social media twitter and the stock return of the company. The research method uses scrapping data from twitter, adopting granger causality VAR for testing causality, and analyze herding behavior. Data in this research is time-series data from February 2020 until Oktober 2020 on a 30min basis. This research conducted at one aviation company in Indonesia, with total 89.334 filtered tweet found. The analysis gives information about the trend of tweet volume and stock market activity and the correlation between them. Analysis result gives a conclusion that there are no directional causality between the Twitter Traffic and Stock return on IPO Airline Companies. This reserach found herding behavior during that period and the information about the stock market not fully distributed and the evidence obtained could potentially describe a weak-form market."

"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. "