Hasil Pencarian  ::  Simpan CSV :: Kembali

"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."

"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."

"Media sosial telah berkembang pesat dalam masyarakat dunia. Tak terkecuali Twitter yang mendapatkan peningkatan baik dalam jumlah pengguna maupun konten yang dibuat. Namun, Twitter memiliki batasan karakter dalam satu tweet yang menyebabkan perubahan pada pola penulisan para penggunanya. Pengguna Twitter mulai memodifikasi penulisan dengan kata baku menjadi kata tidak baku, salah satunya dengan menggunakan bahasa campuran. Untuk keperluan analisis tweet, normalisasi teks diperlukan untuk mengubah kata tidak baku menjadi baku untuk memudahkan analisis. State-of-the-art pada normalisasi teks Twitter berbahasa campuran Indonesia dan Inggris saat ini adalah model statistical machine translation (SMT), namun model SMT masih memiliki kelemahan pada beberapa jenis perubahan kata. Penelitian ini berfokus pada normalisasi teks Twitter Indonesia berbahasa campuran Indonesia dan Inggris dengan menggunakan salah satu model transformer yaitu UFAL ByT5. Terdapat dua model UFAL ByT5 yang digunakan masing-masing untuk bahasa Indonesia serta bahasa Inggris. Hasil penelitian menunjukkan model UFAL ByT5 unggul dalam normalisasi teks dibandingkan model SMT, dengan selisih nilai BLEU 0,88 persen lebih besar.

---

Social media has been grown rapidly in the global community. It also includes Twitter, which is getting increase in both users and content created. However, Twitter has character limit in one tweet which causes changes to the writing patterns of its users. Twitter users began to modify their writing from using formal words into non-formal words, one of which was using code-mixed language. For tweet analysis purposes, text normalization is required to transform non-formal words into formal ones to help analysis process. The recent state-of-the-art for Indonesian-English code-mixed Twitter text normalization is with statistical machine translation (SMT) models, however the SMT model still has weakness in word recognition. This research focuses on the Indonesian and English code-mixed Twitter text normalization using one of transformer model which is UFAL ByT5. There are two UFAL ByT5 models that were used, each of them are for Indonesian and English language. Research result shows that UFAL ByT5 model outperform SMT model on text normalization by 0.88 percent of BLEU score in difference."

"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."

"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."

"Tesis ini membahas tentang media sosial microblogging yang digunakan oleh radio Lembaga Penyiaran Publik (LPP) maupun dari Lembaga Penyiaran Swasta (LPS). Penggunaan media sosial microblogging pada radio LPP maupun LPS, dilakukan dengan menentukan alasan-alasan yang menjadi dasar penggunaan media sosial microblogging; fungsi dan posisi media sosial microblogging bagi radio; serta pengelolaan media sosial microblogging radio. Penelitian terkait dengan media sosial microblogging ini menggunakan metodologi kualitatif dengan menggunakan tipe penelitian deskriptif eksploratif (exploratory descriptive research). Peneliti dapat memperoleh data primer melalui hasil wawancara secara mendalam (indepth interviews) yang dilakukan kepada pihak RRI Pro 2 FM Surabaya, Hardrock FM Surabaya, dan Gen FM Surabaya.Kemudian, data sekunder penelitian ini diambil dari pengumpulan arsip, dokumentasi, konten media sosial microblogging yang telah terpublikasikan, dan literatur-literatur pendukung. Hasil dari penelitian ini termasuk dalam tiga hal: Pertama, alasan radio menggunakan media sosial microblogging adalah sebagai bentuk adaptasi radio; Kedua, media sosial microblogging memiliki fungsi dan posisi peripheral, dimana media sosial microblogging digunakan sebagai pendukung kegiatan radio dan dapat tergantikan oleh media yang lain; dan ketiga, terkait dengan pengelolaan media sosial microblogging radio yang berdasarkan pemahaman, persiapan & pemantauan (monitoring), dan respon yang dilakukan oleh pihak radio melalui media sosial microblogging.

---

This thesis discusses the microblogging social media used by Public Broadcasting Radio (LPP) and Private Broadcasting Radio (LPS). The use of social media microblogging on radio, carried out by determining the reasons on which the use of social media microblogging; function and position of social media microblogging for radio; also, the management of social media microblogging radio. This study is expected to provide comprehensive information about the strategies use microblogging and social media utilization for mass media industry such as radio. The research related to the microblogging social media using qualitative methodology using exploratory descriptive type. Researchers can obtain the results of primary data through in-depth interviews conducted to three radio: RRI Pro 2 FM Surabaya, Hardrock FM Surabaya, and Gen FM Surabaya.Then, the secondary data was taken from the archive collection, documentation, microblogging social media content that has been publicized, and literature support. The results of this study are included in three things: First, the reason for using social media microblogging is a radio adaptation; Second, microblogging social media of radio have a peripheral function and position, which the microblogging social media used to support the radio activity and can be replaced by the other media; and third, related to the management of microblogging social media by the radio, based on the understanding; the preparation and monitoring; and the response made by the radio via social media microblogging."

"Frasa kunci “Twitter, please do your magic” yang masif digunakan di Indonesia untuk saling menolong masuk dalam tren percakapan yang mendominasi selama beberapa tahun terakhir. Penelitian ini bertujuan mengeksplorasi bagaimana keterlibatan perasaan yang sama (shared emotion) di balik aksi filantropi dalam produksi cuitan dengan frasa kunci “Twitter, please do your magic” memicu budaya partisipasi dalam aktivisme digital. Penelitian ini menggunakan metode analisis tekstual untuk melihat tingkat pelibatan (engagement); jumlah retwit, suka, dan balasan serta konten pada cuitan dengan frasa kunci tersebut. Korpus penelitian dibatasi pada tiga akun Twitter yang masuk dalam kategori populer dan mencuitkan lebih dari satu cuitan dengan frasa kunci tersebut, yaitu @elsyandria, @Rumbunisme, dan @naoctua. Temuan penelitian menunjukkan bahwa frasa kunci “Twitter, please do your magic” dalam cuitan ketiga akun tersebut mengaktivasi reflex dan moral emotions para pengguna Twitter lainnya dan memicu budaya partisipasi. Melalui proses tersebut, aktivisme digital berbasis empati pun tercipta ketika ketiga akun sebagai penggagas (opinion leaders) menyebabkan moral shocks atau pemobilisasian massa untuk memenuhi tujuan dari cuitan dengan frasa kunci tersebut. Selain itu, terdapat ambivalensi di balik aksi filantropi yang mengarah ke kesalehan digital dengan frasa kunci tersebut, yaitu komodifikasi atau audiens yang lebih luas.

---

“Twitter, please do your magic” key phrase tweets which massively used in Indonesia to help each other featured in the dominated conversation trend in the past few years. This study aims to explore the involvement of shared emotions in “Twitter, please do your magic” key phrase tweets trigger a participatory culture in digital activism. This study uses textual analysis methods to analyze the level of engagement (the number of retweets, likes, and replies) as well as the content of tweets containing these key phrases. The corpus of this study is limited to three Twitter accounts in top tweets category and produce more than one tweet using that key phrase, which are @elsyandria, @Rumbunisme, and @naoctua. This study shows that the “Twitter, please do your magic” key phrase tweets from those three accounts activates the reflex and moral emotions of other Twitter users and triggers a participatory culture. Through this process, empathy-based digital activism is created when the opinion leaders create moral shocks or successfully mobilize the mass support to fulfill the purpose of the tweets using that key phrase. Furthermore, the philanthropy acts leading to digital piety with that key phrase create ambivalence between commodification or wider philanthropy audience."

"Dalam dunia politik dewasa ini, penggunaan media sosial sebagai media untuk menyampaikan dukungan politik dan untuk berkampanye sudah menjadi hal yang sangat sering dilakukan. Twitter adalah salah satu dari media sosial yang sering digunakan untuk kampanye, hal ini karena kelebihan Twitter yang bersifat formal dan beruntun secara waktu. Namun Twitter juga memiliki kelemahan seperti tidak adanya keterangan demografis sehingga susah untuk diolah. Maka dari itu penelitian ini bertujuan untuk mencari tahu pola demografi dari pendukung masing-masing pasangan calon Presiden Indonesia 2019 pada Twitter berbahasa Indonesia.Dalam mencari demografi, penelitian ini menggunakan metode klasifikasi teks dan menggunakan kamus nama dan jenis kelamin. Kamus nama dan jenis kelamin yang digunakan berasal dari data pemilih tetap KPU. Label demografi yang digunakan antara lain, laki-laki, perempuan, generasi Z, generasi milenial, generasi X+, luar jawa dan jawa. Untuk menentukan pilihan dukungan, penelitian ini menggunakan metode sentimen analisis yang cocok digunakan untuk kalimat pendek yaitu metode SentiStrength.Hasil dari penelitian ini menunjukkan bahwa mayoritas pengguna Twitter yang aktif berbincang berkaitan dengan politik pemilihan presiden dan wakil presiden Indonesia 2019 adalah perempuan dengan kategori umur milenial atau rentang umur 25-39 tahun.

---

In today’s political world, the use of social media as a medium to convey political views and using it for campaign has become a very common thing. Social media can be used to express one’s expression both in supporting a political party and someone who is running for politics. Twitter is one of the social media that is often used for campaign, this is because of Twitter’s unformal and chronological feature. But Twitter also has weakness such as the absence of demographic information. Therefore this study aims to find out the demographic patterns of supporter of each Indonesian Presidential candidate 2019 on Indonesian language Twitter.

For searching the demographics, this study using text classification method and dictionary of names and genders. The dictionary comes from KPU permanent voter data. Demographic labels used in this study consist of male, female, generation Z, millennial generation, generation X+, outside Java and Java. To determine the political preference, this study uses the sentiment analysis method that is suitable for short sentences, namely the SentiStrength method.

The results of this study indicate that the majority of Twitter users who actively talk related to the politics of 2019 Presidential and Vice Presidential elections are women with millennial age categories or 25-39 years old."

"ABSTRAKPenelitian ini bertujuan untuk melihat bagaimana interaksi/hubungan parasosial yang terjadi pada fans perempuan JKT48 melalui media sosial Twitter dan bagaimana tipologi gratifikasi yang dicari dan diperoleh dari interaksi/hubungan parasosial tersebut. Penelitian ini menggunakan teori interaksi/hubungan parasosial dari Hotorn dan Wohl untuk melihat bagaimana karakteristik, faktor, dan efek dari interaksi/hubungan parasosial fans perempuan dari idola perempuan. Dengan menggunakan tipologi gratifikasi dari McQuail, akan dipetakan gratifikasi yang dicari (gratification sought) dan diperoleh (gratification obtained) sehingga tercipta expectancy-value. Penelitian ini menggunakan paradigma post-positivisme dan merupakan penelitian kualitatif deskriptif. Teknik pengumpulan data yang digunakan adalah wawancara mendalam kepada empat fans perempuan JKT48. Penelitian ini menunjukkan bahwa melalui satu platform Twitter, fans perempuan JKT48 dapat mencari dan memperoleh berbagai gratifikasi: informasi, identitas pribadi, integrasi dan interaksi sosial, serta hiburan. Selain itu, Expetancy-value dari gratifikasi yang dicari (gratification sought) dan gratifikasi yang diperoleh (gratification obtained) menjadi dasar fans perempuan JKT48 dalam interaksi parasosial selanjutnya. Dari pencarian satu gratifikasi, fans dapat memperoleh gratifikasi yang dicari beserta gratifikasi yang berbeda. Fans sama-sama memperoleh gratifikasi integrasi dan interaksi sosial dari pencarian gratifikasi informasi dan gratifikasi identitas personal.

---

ABSTRACTThis study aimed to identify the typology of gratifications sought and obtained from parasocial interactions/relationships of JKT48 female fans through Twitter. This study uses the theory of parasocial interactions/relationships from Hotorn and Wohl to see how the characteristics, factors, and effects of parasocial interactions/relationships of female fans from female idols. Through the gratifications typology of McQuail, this research tries to mapping the expectancy-value from gratifications that JKT48 female fans sought and obtained from Twitter. This study uses the post-positivism paradigm and is a descriptive qualitative study. The data collection technique used was in-depth interviews with four JKT48 female fans. This research shows that through one Twitter platform, JKT48 female fans can find and obtain various gratifications: information, personal identity, social integration and interaction, and entertainment. Expectancy-values of gratification sought and obtained became the basis of JKT48 female fans in subsequent parasocial interactions. From searching for one gratification, fans can get the gratification sought along with different gratification. Fans both obtained the gratification of social integration and interaction from the search for information gratification and personal identity gratification."

"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."