Hasil Pencarian  ::  Simpan CSV :: Kembali

"Salah satu bagian penting dalam mempertahankan market share dan daya saing pada sektor industri manapun adalah kepuasan pelanggan. Tentu saja ini berlaku pada sektor industry otomotif. Ulasan pelanggan dan kuesioner telah memiliki peran penting dalam meninjau kepuasan pelanggan selama ini, tapi semakin banyak pelanggan menggunakan waktu mereka online. Studi ini mengevaluasi dan menganalisa komen dan ulasan yang di-posting di social media, menggunakan cluster analysis dan text mining. Hasil dari studi ini adalah evaluasi resepsi pelanggan terhadap produk merek otomotif ternama, kelebihan dan kelemahannya, area-area mana saja yang dapat pujian dan kritisisme, supaya bisa membuat dan mengimplementasikan sistem prioritas untuk mempertahankan kepuasan pelanggan dan daya saing.

---

A large part of maintaining market share and a competitive advantage in any industrial sector is customer satisfaction. This also applies to the automotive industry. Customer reviews and questionnaires had played a large part in gauging customer satisfaction throughout the years, but an ever-increasing population of the customer base spends most of their time online. This study evaluates and analyzes comments and reviews posted in social media using cluster analysis through text mining. The output of this study is an evaluation of the general customer reception towards a leading automotive brand’s products, its specific strengths and weaknesses, areas that garner criticism or praise, in order to create and implement a prioritization system to maintain customer satisfaction and retain competitiveness."

"In a social media era where everything is for the public to see, people with a significant number of followers are prone to criticism and negative comments. Indonesian influencers such as Kekeyi and Rachel Venya are victims of negative comments on their Instagram by random people. Based on the words of a psychologist, Suler, negative comments on social media can be explained by the online disinhibition effect. Online disinhibition effect is divided into two categories which are the benign online disinhibition effect and the toxic online disinhibition effect. This research paper aims to analyse how the online disinhibition contributes to the emergence of negative comments on the comment sections of Indonesian influencers, Kekeyi and Rachel Venya. Through secondary research and content analysis, it is found that the toxic online disinhibition effect contributes to the emergence of negative comments.

---

Di era media sosial yang di mana segala sesuatu dapat dilihat oleh publik, orang dengan jumlah pengikut yang banyak rentan terhadap kritik dan komentar negatif. Influencer Indonesia seperti Kekeyi dan Rachel Venya seringkali menjadi korban komentar negatif di Instagram. Berdasarkan perkataan psikolog, Suler, komentar negatif di media sosial dapat dijelaskan dengan efek disinhibisi online. Efek disinhibisi online dibagi menjadi dua kategori yaitu efek disinhibisi online jinak dan efek disinhibisi online merugikan. Makalah penelitian ini bertujuan untuk menganalisis bagaimana disinhibisi online berkontribusi terhadap munculnya komentar negatif di kolom komentar influencer Indonesia, Kekeyi dan Rachel Venya. Melalui penelitian sekunder dan analisis konten, ditemukan bahwa efek disinhibisi online yang merugikan berkontribusi pada munculnya komentar negatif."

"Penelitian ini bertujuan untuk mengetahui pesan pada media sosial dalam terkait berwirausaha dikalangan generasi muda. Young On Top sebagai salah satu instansi yang peduli terhadap generasi muda dengan segala aktifitas dan informasi yang disampaikan lewat berbagai media, khususnya media sosial, ingin membuat generasi muda menjadi individu yang lebih baik dari segi karakter, kedisiplinan, dan cita-cita. Untuk menjadi pemimpin atau pengusaha yang sukses, tidak hanya diperlukan kecerdasan dan modal dana semata, namun juga karakter dan mentalitas yang mampu menyokong. Penggunaan media sosial saat ini sangat masif, sehingga arus informasi yang ada dapat dioptimalkan kembali untuk diketahui pesan yang terkandung didalamnya. Berdasarkan hasil penelitian, diketahui bahwa Young On Top menggunakan berbagai media, khususnya media sosial dalam menyampaikan pesan serta bertukar informasi kepada masyarakat luas. Penggunaan mesia sosial dianggap sejauh ini yang paling efektif dikarenakan generasi muda saat ini lebih banyak menggunakan media sosial dalam aktifitas komunikasi sehari-hari.

---

This research conducted to analyze how the messages on social media regarding entrepreneurship on young generation. Young On Top as one of the many institute which care for the young generation, with all of the activities and informations shared on the medias, especially on the social media, wanted to create a better young generation. By upgrading the character, discipline, and goals.

To become an extraordinary and successful leader or entrepreneur, intelligence and fund are not the only thing that needed, but also needs a great character and mentality to support it. As for these days, social media had been massively developt. Therefore the informations that contains a lot of messages must be optimalized.

Result of the research shows that the Young On Top using various media, especially social media in communicating and deliver the messages and purposes to the society. So far, the utilization of social media is the most effective. Seeing that nowadays the society becoming networked, and the young generation are the most utilized segment with social media for daily activities and communications."

"Saat ini, dataset yang tersedia untuk melakukan analisis emosi di Indonesia masih terbatas, baik dari segi jumlah data, cakupan emosi, serta sumbernya. Pada penelitian ini, peneliti membangun dataset besar untuk tugas analisis emosi pada data teks berbahasa Indonesia, di mana dataset ini dikumpulkan dari berbagai domain dan sumber. Dataset ini mengandung 33 ribu teks, yang terdiri dari tweet yang dikumpulkan dari Twitter, serta komentar unggahan yang dikumpulkan dari Instagram dan Youtube. Domain yang dicakup pada dataset ini adalah domain olahraga, hiburan, dan life chapter. Dataset ini dianotasi oleh 36 annotator dengan label emosi fine-grained secara multi-label, di mana label emosi yang digunakan ini merupakan hasil dari taksonomi emosi baru yang diusulkan oleh peneliti. Pada penelitian ini, peneliti mengusulkan taksonomi emosi baru yang terdiri dari 44 fine-grained emotion, yang dikelompokkan ke dalam 6 basic emotion. Selain itu, peneliti juga membangun baseline model untuk melakukan analisis emosi. Didapatkan dua baseline model, yaitu hasil fine-tuning IndoBERT dengan f1-score micro tertinggi sebesar 0.3786, dan model hierarchical logistic regression dengan exact match ratio tertinggi sebesar 0.2904. Kedua baseline model tersebut juga dievaluasi di lintas domain untuk dilihat seberapa general dan robust model yang telah dibangun.

---

Currently, no research in Indonesia utilises fine-grained emotion for emotion analysis. In addition, the available datasets for analysing emotions still need to be improved in terms of the amount of data, the range of emotions, and their sources. In this study, researchers built a large dataset for analysing emotion. This dataset contains 33k texts, consisting of tweets collected from Twitter and comments collected from Instagram and Youtube posts. The domains covered in this dataset are sports, entertainment, and life chapter. Thirty-six annotators annotated this dataset with fine-grained emotion labels and a multi-label scheme, where the emotion labels resulted from a new emotion taxonomy proposed by the researcher. In this study, the researchers propose a new emotion taxonomy consisting of 44 fine-grained emotions which are grouped into six basic emotions. Two baseline models were obtained, the first one is the fine-tuned IndoBERT model, which achieved the highest f1-score micro of 0.3786, and the second one is hierarchical logistic regression model, which achieved the highest exact match ratio of 0.2904. Both baseline models were also evaluated to determine their cross-domain applicability. The dataset and baseline models that are produced in this study are expected to be valuable resources for future research purposes."

"Saat ini, dataset yang tersedia untuk melakukan analisis emosi di Indonesia masih terbatas, baik dari segi jumlah data, cakupan emosi, serta sumbernya. Pada penelitian ini, peneliti membangun dataset besar untuk tugas analisis emosi pada data teks berbahasa Indonesia, di mana dataset ini dikumpulkan dari berbagai domain dan sumber. Dataset ini mengandung 33 ribu teks, yang terdiri dari tweet yang dikumpulkan dari Twitter, serta komentar unggahan yang dikumpulkan dari Instagram dan Youtube. Domain yang dicakup pada dataset ini adalah domain olahraga, hiburan, dan life chapter. Dataset ini dianotasi oleh 36 annotator dengan label emosi fine-grained secara multi-label, di mana label emosi yang digunakan ini merupakan hasil dari taksonomi emosi baru yang diusulkan oleh peneliti. Pada penelitian ini, peneliti mengusulkan taksonomi emosi baru yang terdiri dari 44 fine-grained emotion, yang dikelompokkan ke dalam 6 basic emotion. Selain itu, peneliti juga membangun baseline model untuk melakukan analisis emosi. Didapatkan dua baseline model, yaitu hasil fine-tuning IndoBERT dengan f1-score micro tertinggi sebesar 0.3786, dan model hierarchical logistic regression dengan exact match ratio tertinggi sebesar 0.2904. Kedua baseline model tersebut juga dievaluasi di lintas domain untuk dilihat seberapa general dan robust model yang telah dibangun.

---

Currently, no research in Indonesia utilises fine-grained emotion for emotion analysis. In addition, the available datasets for analysing emotions still need to be improved in terms of the amount of data, the range of emotions, and their sources. In this study, researchers built a large dataset for analysing emotion. This dataset contains 33k texts, consisting of tweets collected from Twitter and comments collected from Instagram and Youtube posts. The domains covered in this dataset are sports, entertainment, and life chapter. Thirty-six annotators annotated this dataset with fine-grained emotion labels and a multi-label scheme, where the emotion labels resulted from a new emotion taxonomy proposed by the researcher. In this study, the researchers propose a new emotion taxonomy consisting of 44 fine-grained emotions which are grouped into six basic emotions. Two baseline models were obtained, the first one is the fine-tuned IndoBERT model, which achieved the highest f1-score micro of 0.3786, and the second one is hierarchical logistic regression model, which achieved the highest exact match ratio of 0.2904. Both baseline models were also evaluated to determine their cross-domain applicability. The dataset and baseline models that are produced in this study are expected to be valuable resources for future research purposes."

"Saat ini, dataset yang tersedia untuk melakukan analisis emosi di Indonesia masih terbatas, baik dari segi jumlah data, cakupan emosi, serta sumbernya. Pada penelitian ini, peneliti membangun dataset besar untuk tugas analisis emosi pada data teks berbahasa Indonesia, di mana dataset ini dikumpulkan dari berbagai domain dan sumber. Dataset ini mengandung 33 ribu teks, yang terdiri dari tweet yang dikumpulkan dari Twitter, serta komentar unggahan yang dikumpulkan dari Instagram dan Youtube. Domain yang dicakup pada dataset ini adalah domain olahraga, hiburan, dan life chapter. Dataset ini dianotasi oleh 36 annotator dengan label emosi fine-grained secara multi-label, di mana label emosi yang digunakan ini merupakan hasil dari taksonomi emosi baru yang diusulkan oleh peneliti. Pada penelitian ini, peneliti mengusulkan taksonomi emosi baru yang terdiri dari 44 fine-grained emotion, yang dikelompokkan ke dalam 6 basic emotion. Selain itu, peneliti juga membangun baseline model untuk melakukan analisis emosi. Didapatkan dua baseline model, yaitu hasil fine-tuning IndoBERT dengan f1-score micro tertinggi sebesar 0.3786, dan model hierarchical logistic regression dengan exact match ratio tertinggi sebesar 0.2904. Kedua baseline model tersebut juga dievaluasi di lintas domain untuk dilihat seberapa general dan robust model yang telah dibangun.

---

Currently, no research in Indonesia utilises fine-grained emotion for emotion analysis. In addition, the available datasets for analysing emotions still need to be improved in terms of the amount of data, the range of emotions, and their sources. In this study, researchers built a large dataset for analysing emotion. This dataset contains 33k texts, consisting of tweets collected from Twitter and comments collected from Instagram and Youtube posts. The domains covered in this dataset are sports, entertainment, and life chapter. Thirty-six annotators annotated this dataset with fine-grained emotion labels and a multi-label scheme, where the emotion labels resulted from a new emotion taxonomy proposed by the researcher. In this study, the researchers propose a new emotion taxonomy consisting of 44 fine-grained emotions which are grouped into six basic emotions. Two baseline models were obtained, the first one is the fine-tuned IndoBERT model, which achieved the highest f1-score micro of 0.3786, and the second one is hierarchical logistic regression model, which achieved the highest exact match ratio of 0.2904. Both baseline models were also evaluated to determine their cross-domain applicability. The dataset and baseline models that are produced in this study are expected to be valuable resources for future research purposes."

"Penetrasi 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.

---

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."

"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."

"Penelitian ini membahas Personal Branding yang dilakukan Hadi Wenas melalui media sosial LinkedIn. Berkembangnya media sosial mendorong banyak orang melakukan Personal branding melalui media sosial, salah satu medianya adalah LinkedIn yang dikenal di kalangan profesional. Hadi Wenas selaku CEO dari MatahariMall.com menggunakan LinkedIn untuk mempromosikan budaya perusahaannya, dengan tujuan mendorong khalayak untuk menjadi pelanggan, penjual, atau bagian dari perusahaannya.Menggunakan EPIC Model yang dikembangkan AC Nielsen, peneliti dapat mengetahui bahwa personal branding Hadi Wenas efektif dilihat dari seluruh dimensi Empathy, Persuasion, Impact, dan Communication. Dimana dimensi Empathy yang melibatkan kognisi dan afeksi; serta Persuasion yang melibatkan perubahan kepercayaan dan perilaku; memiliki skor kumulatif tertinggi di kisaran 3,60 (Sangat Efektif), sementara dimensi Impact yang melibatkan keingintahuan dan keterlibatan; serta Communication yang melibatkan kemampuan memahami dan dorongan bertindak; memiliki skor kumulatif dibawahnya di kisaran 3,30 (Cukup Efektif). Melalui penelitian ini kita dapat mengetahui bahwa LinkedIn terbukti efektif dan dapat dijadikan alternatif media konvensional untuk membangun personal branding.

---

This research discusses the personal branding that Hadi Wenas do through social media LinkedIn. The evolution of social media has encouraged peoples to build their personal branding through social media. One of social media that popular enough to build personal branding is LinkedIn, which is better known in professional circles. Hadi Wenas as CEO of MatahariMall.com use LinkedIn to promote the culture of his company, with the aim of encouraging the audience to become customers, vendors, or part of the company.Using EPIC model developed by AC Nielsen, researchers can tell that Hadi Wenas personal branding os effective views of the whole Empathy, Persuasion, Impact, and Communication dimension. Where is the Empathy dimension involving cognition and affection; and Persuasion dimension involving changes in beliefs and behavior; has the highest cumulative score in the range of 3.60 (Highly Effective). While the Impact dimension that involves curiosity and engagement; and Communication dimension which involve the ability to understand and encouragement to act; have a cumulative score below it in the range of 3.30 (Quite Effective). Through this research we can know that LinkedIn is proven effective and can be used as alternative to conventional media to build personal branding."

"Tesis ini merupakan sebuah tulisan yang memaparkan mengenai analisa model AISAS yang merupakan perjalanan konsumen di era digital dewasa ini terhadap Komunikasi Pemasaran di Media Sosial pada Situs Jual Beli Online. Aspek utama dalam tesis ini adalah bagaimana masing-masing variabel dalam model AISAS, yakni Awareness, Interest, Search, Action dan Share mempengaruhi variabel lainnya sehingga cenderung meningkatkan keterlibatan konsumen yang lebih dalam Communication with low involvment to Communication with high Involvement . Peningkatan pengguna internet di Indonesia secara ekstrim membuat internet menjadi aspek penting bagi kehidupan sehari-hari masyarakat Indonesia. Perkembangan ini membuat terjadinya banyak perubahan sosial, budaya dan gaya hidup masyarakat Indonesia, salah satunya adalah perubahan pola interaksi yang kini dilakukan melalui media sosial. Media sosial pada akhirnya dilirik oleh para pemasar sebagai salah satu sarana komunikasi pemasaran karena memiliki pasar dengan jumlah audience yang sangat luas dan bahkan tidak terbatas. Lebih lanjut, perkembangan internet juga membuat banyaknya situs jual beli online bermunculan dan saling bersaing merebut pasar Indonesia.Penelitian yang dilakukan dari bulan November 2016 hingga bulan April 2017 menunjukkan bahwa pada model AISAS, Communication with low involvement yang dilakukan oleh situs jual beli online melalui media sosial secara signifikan mempengaruhi Communication with high involvement, namun ketika diimplementasikan pada setiap variabel dalam model AISAS, diketahui bahwa setiap variabel tidak selalu menunjukkan adanya direct relationship dalam perjalanan konsumen seperti yang digambarkan oleh model tersebut.

---

This thesis describes the analysis of AISAS model which is a consumer journey in digital age towards Marketing Communications in Social Media on Online shopping sitess. The main aspects of this paper are how each variable in the AISAS model, ie Awareness, Interest, Search, Action and Share affect other variables, thus creating a tendency to increase the higher involvement of consumers Communication with low involvement to Communication with high Involvement . The extrem enhancement of internet users in Indonesia makes Internet become an important aspect for Indonesian citizen rsquo s daily life. Internet development has made a lot of changes, one of them is the changing pattern of daily interaction that currently popular through social media. Since social media has a very broad audiece, marketers start to glance at social media as marketing communication channel and treat social media as the market it self. Furthermore, the development of internet also makes the number of online shopping sitess company popping up and competing in Indonesian market. Various ways are used by online sales sites to attract consumers intention to buy, one of them is by using social media to spread marketing communication messages and hope it will effectively influence cunsomers to start using online sales site to shop their daily needs. This research was conducted from November 2016 to April 2017. The result shows that in the AISAS model, Communication with low involvement through social media significantly affects Communication with high involvement on online shopping sitess, but when we break each variables of the AISAS model, we found out that each variables does not necessarily indicate a direct relationship in the consumer 39 s journey as illustrated by the model."