Hasil Pencarian  ::  Simpan CSV :: Kembali

"PT XYZ merupakan salah satu agency pemasaran digital yang berfokus melakukan proses pemasaran melalui berbagai platform media sosial untuk perusahaan-perusahaan dari berbagai industri. Salah satu layanan yang disediakan oleh PT XYZ adalah layanan data & insight analysis, termasuk untuk melakukan pemantauan percakapan media sosial dari brand beserta kompetitornya dengan menganalisis sentimen dan topik untuk memenuhi permintaan klien. Salah satu brand pada industri smartphone yang menjadi klien dari PT XYZ memiliki produk yang banyak, dimana masing-masing produk dan kompetitornya dilakukan pemantauan secara bersamaan. Dengan banyaknya percakapan yang dihasilkan oleh jumlah produk yang banyak, proses pengerjaan untuk analisis menjadi terbatas dan terlalu menghabiskan banyak waktu karena masih menggunakan proses pelabelan secara manual. Oleh karena itu, sistem otomatis diusulkan untuk PT XYZ dengan melakukan analisis sentimen berbasis aspek yang bertujuan untuk memudahkan dan mempersingkat proses pengerjaan pemantauan. Data yang digunakan adalah data mengenai smartphone pada Twitter yang berjumlah 11.641 tweet dalam periode akhir tahun 2022. Data yang terkumpul memiliki kondisi imbalance class, sehingga metode penanganan imbalance class SMOTE digunakan. Tahap pra-pemrosesan; ekstraksi fitur dengan memanfaatkan leksikon, POS tagging dan TF-IDF; dilakukan sebelum data dimodelkan dengan algoritma pembelajaran mesin. Penelitian ini mendapatkan hasil bahwa Support Vector Machine (SVM) dengan SMOTE memiliki hasil evaluasi yang lebih tinggi dibandingkan dengan Naïve Bayes, baik untuk klasifikasi sentimen dan juga aspek. Hasil evaluasi SVM pada klasifikasi sentimen adalah sebesar 0,92 untuk setiap metrik akurasi, precision, recall, dan f1-score. Sedangkan untuk klasifikasi aspek, SVM mendapatkan hasil evaluasi sebesar 0,79 untuk akurasi, precision, dan recall, serta 0,77 untuk f1-score. Masalah imbalance class pada data memengaruhi hasil akhir klasifikasi, terutama untuk klasifikasi aspek.

---

PT XYZ is a digital marketing agency that specializes in marketing strategies through various social media platforms for businesses across multiple industries. Data and insight analysis is one of the services offered by PT XYZ, which includes monitoring social media conversations from brands and their competitors by analyzing sentiments and topics based on client needs. One of PT XYZ's clients in the smartphone industry has a large number of products, and each product and its competitors are monitored simultaneously. With so many conversations generated by a large number of products, the analysis process is constrained and time-consuming because it still relies on a human tagging approach. Therefore, an automated approach based on aspect-based sentiment analysis is presented for PT XYZ in order to simplify and shorten the monitoring process. The data used is Twitter data regarding smartphones, totaling 11,641 tweets in the near- end period of 2022. Because the gathered data has an imbalance class condition, the SMOTE class imbalance handling method is applied. Before the data is modeled with machine learning techniques, pre-processing and feature extraction are performed using the lexicon, POS tagging, and TF-IDF. This study discovered that the Support Vector Machine (SVM) with SMOTE outperforms Nave Bayes in both sentiment and aspect classification. The accuracy, precision, recall, and f1-score of the SVM evaluation on sentiment classification were all 0.92. In terms of aspect classification, SVM received an evaluation score of 0.79 for accuracy, precision, and recall; and 0.77 for the f1-score. The issue of class imbalance in the data has an impact on the final classification results, especially for aspect classification."

"Fenomena Korean Wave membuat berbagai macam produk Korea lebih dikenal terutama melalui drama Korea dan musik pop Korea. Fenomena ini membuat konsumen tertarik untuk mempelajari kebudayaan Korea secara lebih luas mulai dari tradisi, bahasa, gaya berpakaian dan makanan khas Korea. Fenomena ini menghasilkan peluang yang coba dimanfaatkan oleh PT. XYZ untuk bekerjasama dengan salah satu restoran makanan Korea terkenal di Indonesia yaitu Mujigae untuk memproduksi dan meluncurkan makanan ready to eat khas Korea dengan merek dagang Mujigae. Penelitian ini dilakukan untuk mengetahui target pasar perusahaan menggunakan strategi segmentation, targeting dan positioning terkait dengan produk makanan ready to eat khas Korea. Kemudian penulis juga menganalisis implementasi social media marketing yang diterapkan oleh perusahaan pada divisi makanan khas Korea PT. XYZ. Penelitian ini menggunakan metode mixed methods yang datanya berasal dari interview kepada manajer dan konsumen serta data internal perusahaan. Penelitian ini menghasilkan informasi bahwa strategi target pasar yang digunakan oleh perusahaan adalah mass market, perusahaan masih berfokus untuk mengenalkan produk dan implementasi social media marketing sangat dominan menggunakan influencers untuk menyampaikan opini kepada konsumen melalui media sosial serta menggunakan official akun media sosial yang masih membutuhkan banyak peningkatan dan cara yang saat ini dilakukan adalah mempelajari referensi media sosial brand lain.

---

The Korean Wave phenomenon has made various kinds of Korean products become wellknown, especially through Korean dramas and Korean Pop music. This phenomenon drives consumers interested in learning more about Korean culture, starting from the traditions, language, style of dress and Korean food. These opportunities resulted from the Korean Wave phenomenon, has brought PT. XYZ to cooperate with one of the famous Korean food restaurants in Indonesia, called Mujigae to produce and launch Korean ready-to-eat food with the Mujigae trademark. This research aims to determine PT. XYZ target market using segmentation, targeting and positioning strategies related to Korean ready-to-eat food products. Then the author also analyzes the implementation of social media marketing conducted by the company in the Korean food division of PT. XYZ. The method used in this research is mixed methods which data comes from interviews with the managers and consumers as well as internal company data. Based on the research conducted, some information was obtained including the target market strategy used by the company is the mass market, how the company is still focused on introducing products and implementing social media marketing predominantly using influencers. This is carried out to deliver opinions to consumers through social media and official social media accounts which are still need improvements and the way that’s being used currently is to study the reference of other brands’s social media."

"ABSTRAKJakarta merupakan daerah yang memiliki ciri tersendiri di Indonesia, yakni sebagai ibukota negara.Banyak permasalahan yang dihadapi oleh Pemerintahan Provinsi Daerah Khusus Ibukata Jakarta (Pemprov DKI Jakarta), diantaranya yang paling sering kita dengar adalah kemacetan lalu lintas. Jumlah rata-rata laporan masyarakat tentang kemacetan lalu lintas adalah 343 laporan perbulan, sedangkan penanganan yang dapat diselesaikan hanya 80 laporan perbulan. Banyaknya jumlah laporan masyarakat terhadap masalah kemacetan lalu lintas, maka membutuhkan prioritas terhadap laporan yang harus diutamakan penanganannya.Dalam penelitian ini melakukan analisis sentimen pada media sosial Twitter untuk dapat melakukan prioritas penanganan masalah kemacetan di Jakarta berdasarkan tingkat kepuasan masyarakat terhadap kondisi lalu lintas di Jakarta. Langkah-langkah dalam melakukan analisis sentimen antara lain preprocessing, feature extraction dan classification. Preprocessing data teks yang dilakukan antara lain case folding, tokenisasi, filter token, translate dan stopword removal. Sedangkan feature extraction yang digunakan adalah model unigram dan bigram dengan kamus sentimen, sedangkan pembobotan menggunakan metode Term Frequency - Inverse Document Frequency(TF-IDF). Pembuatan Model klasifikasi sentimen menggunakan dua algoritma yaitu Naïve Bayes dan Support Vector Machine (SVM).Sedangkan mengukur sentimen masyarakat menggunakan Net Sentiment Score dari Netbasedengan visualisasi menggunakan calendar view.Hasil dari pembuatan model klasifikasi sentimen dalam penelitian menunjukkan bahwa algoritma SVM menghasilkan akurasi yang lebih tinggi dari pada algoritma Naïve Bayes. Hasil dari visualisasi dengan calendar view menunjukkan bahwa sentimen masyarakat memiliki nilai Net Sentiment Score yang rendah di hari Kamis dan Jumat pada waktu sore. Sedangkan pada hari Minggu dan awal bulan memiliki nilai net sentiment score yang lebih tinggi. Sehingga pada waktu Kamis dan Jumat pada waktu sore perlu penanganan masalah kemacetan yang lebih utama.

---

ABSTRACTJakarta is an area that has its own characteristics in Indonesia as the nation's capital. Many problems faced by the Jakarta Provincial Government, among the most frequently heard is a traffic congestion. Average number of public complain about the traffic congestion was 343 reports per month, while the handling can be solved only 80 reports per month. A large number of public complain about the problem of traffic congestion, it takes priority over the handling of the complain should come first.In this research perform sentiment analysis on Twitter social media to be able to prioritize the handling of the problem of traffic congestion in Jakarta based on the level of public satisfaction about traffic conditions in Jakarta. Steps in doing sentiment analysis that is preprocessing, feature extraction and classification. Preprocessing text data use in this research is case folding,tokenization, filter token, translate and stopword removal. Feature extraction use an unigram and a bigram models with sentiment dictionary, and then the weighting use Term Frequency - Inverse Document Frequency (TF-IDF) method. To make the Sentiment classification model is using two algorithms, that is Naïve Bayes and Support Vector Machine (SVM). To measure public sentiment using Net Sentiment Score from Netbase with visualization using calendar view.The results of the modeling sentiment classification in the research show that the SVM algorithm produce higher accuracy than Naïve Bayes algorithm. The results of visualization with calendar view shows that public sentiment has low value of Net Sentiment Score Thursday and Friday in the afternoon. Meanwhile, on Sunday and the beginning of the month has high value of Net Sentiment Score. So that at the time of Thursday and Friday in the afternoon need of handling the problem of traffic congestion should first to be solve."

"Analisis sentimen terhadap opini publik di Twitter dapat memberikan wawasan yang berharga dalam memahami dukungan dan pemikiran masyarakat terkait calon presiden dan isu-isu terkait Pilpres 2024. Penelitian ini bertujuan untuk mengembangkan sistem analisis sentimen terhadap opini publik tentang Pilpres Indonesia 2024 yang tersebar di media sosial Twitter dalam bahasa Indonesia. Algoritma yang digunakan dalam pengembangan sistem tersebut adalah Naïve Bayes, sebuah algoritma klasifikasi yang telah terbukti efektif dalam analisis sentimen. Data yang digunakan dalam penelitian ini adalah kumpulan tweet atau cuitan yang diperoleh dari Twitter dengan menggunakan teknik web scraping. Persentasi Akurasi pada uji coba setiap skenario yang dilakukan mendapatkan hasil terbaik dengan nilai 81,18% untuk Skenario 1, 72,58% untuk Skenario 2, 65,05% untuk Skenario 3, dan 80,11% untuk Skenario 4. Hasil evaluasi model sistem yang dikembangkan terhadap klasifikasi sebenarnya menunjukkan bahwa analisis sentimen menggunakan algoritma Naïve Bayes dapat memberikan hasil yang baik tentang sentimen opini publik terkait Pilpres Indonesia 2024 di media sosial Twitter. Pengembangan sistem yang dikerjakan memberikan hasil model yang dapat melakukan analisis sentimen secara mandiri dengan akurasi yang tinggi terhadap opini publik terkait Pilpres Indonesia 2024 dengan nilai rata-rata 81,18%. Hasil analisis sentimen ini dapat membantu pihak-pihak terkait, termasuk calon presiden dan tim kampanye mereka, untuk memahami sejauh mana opini publik mendukung atau menentang mereka.

---

Sentiment analysis of public opinion on Twitter can provide valuable insight in understanding public support and thoughts regarding presidential candidates and issues related to the 2024 presidential election. This research aims to develop a sentiment analysis system for public opinion about the 2024 Indonesian Presidential Election shared on Twitter social media. in Indonesian. The algorithm used in developing the system is Naïve Bayes, a classification algorithm that has been proven effective in sentiment analysis. The data used in this research is a collection of tweets obtained from Twitter using web scraping techniques. The percentage of accuracy in testing each scenario carried out obtained the best results with a value of 81.18% for Scenario 1, 72.58% for Scenario 2, 65.05% for Scenario 3, and 80.11% for Scenario 4. Model evaluation results system developed for classification actually shows that sentiment analysis using the Naïve Bayes algorithm can provide good results regarding public opinion sentiment regarding the 2024 Indonesian Presidential Election on Twitter social media. The system development carried out provides model results that can carry out sentiment analysis independently with high accuracy regarding public opinion regarding the 2024 Indonesian Presidential Election. The results of this sentiment analysis can help related parties, including presidential candidates and their campaign teams, to understand the extent of opinion. they. society supports or opposes them."

"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."

"ABSTRAKPenelitian ini bertujuan untuk mengetahui apakah aktivitas social mediamarketing berpengaruh terhadap loyalty intentions melalui driver customer equity,yaitu value equity; brand equity; dan relationship equity; dalam konteksperbankan yaitu PT. Bank Negara Indonesia (Persero), Tbk. Sampel padapenelitian ini adalah nasabah BNI yang berpengalaman mengunakan social mediaBNI dan yang menggunakan Internet Banking BNI sejumlah 215 responden.Structural Equation Modelling (SEM) dengan software LISREL 8.51 digunakanuntuk mengolah data. Hasil analisis menunjukkan bahwa aktivitas social mediamarketing memiliki pengaruh positif yang signifikan terhadap value equity, brandequity, relationship equity, dan loyalty intentions. Value equity dan brand equityjuga memiliki pengaruh positif yang signifikan terhadap loyalty intentions,sedangkan relationship equity tidak tidak terbukti memiliki pengaruh yang positifyang signifikan terhadap loyalty intentions.

---

ABSTRACTThe objective of this research is to study whether social media marketingactivities have significant effects on loyalty intentions through customer equitydrivers, such as value equity; brand equity; and relationship equity; in the contextof banking, which is PT. Bank Negara Indonesia (Persero), Tbk. The respondentsfor this research are customers of BNI who have experienced using social mediaof BNI and BNI Internet Banking BNI in the number of 215 respondents. Thedata was processed through Structural Equation Modeling (SEM) using LISREL8.51. The results show that social media marketing activities have a significantpositive effect on value equity, brand equity, relationship equity, dan loyaltyintentions. Value equity and brand equity also have a significant positive effect onloyalty intentions, while relationship equity is not proven having a significantpositive effect on loyalty intentions."

"[ ABSTRAKPenetrasi penggunaan internet di Indonesia sekarang ini sedang mengalami perkembangan yang pesat. Dari berbagai aktivitas penggunaan internet, media sosial menjadi pilihan utama yang paling sering diakses. Menurut Teori Penggunaan dan Pemenuhan Kepuasan, Generasi Y yang merupakan pengguna terbesar media sosial, menjadikan platform ini sebagai sarana untuk memenuhi keinginan dan kebutuhan mereka. Hingga saat ini, terdapat beberapa pilihan media sosial yang salah satunya adalah Path. Sejak awal kemunculannya, Path terbukti telah menarik perhatian Generasi Y di Indonesia. Path dianggap dapat memenuhi kebutuhan Generasi Y akan sosialisasi, penghargaan diri, dan aktualisasi diri, sesuai dengan Teori Hierarki Kebutuhan. Fungsi Path yang dapat memenuhi kebutuhan dan keinginan Generasi Y, menjadikan generasi ini memiliki tingkat ketergantungan yang tinggi pada media sosial ini.

---

ABSTRACTThe penetration of internet usage in Indonesia nowadays quite has been in rapid growth. From various types of internet usage, social media has become the primary choice to be accessed. According to the Uses and Gratifications Theory, Generation Y, which has highest rate in using social media, uses this platform as a tool to fulfill their desires and needs. Until now, there are several types of choices in social media, which one of them is Path. Since the first emersion, it is proven that Path has grabbed the attention of Generation Y in Indonesia. Path is considered to be able to fulfill the needs of Generations Y related to socialization, self respect, and self actualization according to the Hierarchy of Needs. The function of Path that able to fulfill the desires and needs of Generation Y, create a high level of dependency towards this social media.;The penetration of internet usage in Indonesia nowadays quite has been in rapid growth. From various types of internet usage, social media has become the primary choice to be accessed. According to the Uses and Gratifications Theory, Generation Y, which has highest rate in using social media, uses this platform as a tool to fulfill their desires and needs. Until now, there are several types of choices in social media, which one of them is Path. Since the first emersion, it is proven that Path has grabbed the attention of Generation Y in Indonesia. Path is considered to be able to fulfill the needs of Generations Y related to socialization, self respect, and self actualization according to the Hierarchy of Needs. The function of Path that able to fulfill the desires and needs of Generation Y, create a high level of dependency towards this social media., The penetration of internet usage in Indonesia nowadays quite has been in rapid growth. From various types of internet usage, social media has become the primary choice to be accessed. According to the Uses and Gratifications Theory, Generation Y, which has highest rate in using social media, uses this platform as a tool to fulfill their desires and needs. Until now, there are several types of choices in social media, which one of them is Path. Since the first emersion, it is proven that Path has grabbed the attention of Generation Y in Indonesia. Path is considered to be able to fulfill the needs of Generations Y related to socialization, self respect, and self actualization according to the Hierarchy of Needs. The function of Path that able to fulfill the desires and needs of Generation Y, create a high level of dependency towards this social media.]"