Hasil Pencarian  ::  Simpan CSV :: Kembali

"Masyarakat Indonesia sangat sering menggunakan media sosial twitter dan sekarang lebih dikenal dengan X untuk berbagi foto, video atau membuat tweet tentang topic yang sedang trend. Namun tidak banyak dari masyarakat Indonesia yang memanfaatkan trending topic ini untuk membuat konten dalam memasarkan produk barunya. Pada penelitian ini telah dilakukan pengelompokkan trending topic dengan menggunakan 3 algoritma clustering yaitu K-Means, DBScan dan LDA dengan menggunakan 2 kondisi yaitu Menggunakan Kata Kunci dan Tanpa Menggnakan kata Kunci, untuk kategori cluster telah ditentukan yaitu Cluster Politik, Cluster Ekonomi dan Cluster Pendidikan. Hasil penelitian ini adalah K-Means dengan menggunakan kata kunci lebih baik dari pada semuanya yaitu dengan nilai validitas 0,5810 sedangkan diposisi kedua yang termasuk baik adalah DBScan menggunakan kata kunci dengan nilai validitas 0,4656. Oleh karena itu karena hasilnya masih dalam tingkatan 2 yaitu struktur cluster masih dalam kategori baik, maka peneliti melakukan kombinasi antara K-Means dan DBScan dengan menggunakan kata kunci. Dan hasilnya struktur yang terbentuk masuk dalam tingkatan 1 yaitu dalam kategori kuat, nilai validitas yang dihasilkan yaitu 0,7864, sehingga antar trending topic dalam masing-masing cluster memiliki keterkaitan.

---

Indonesians very often use social media twitter and now better known as X to share photos, videos or make tweets about trending topics. However, not many Indonesians utilize this trending topic to create content to market their new products. In this study, clustering of trending topics has been carried out using 3 clustering algorithms namely K-Means, DBScan and LDA using 2 conditions namely Using Keywords and Without Using Keywords, for cluster categories have been determined namely Political Cluster, Economic Cluster and Education Cluster. The results of this study are K-Means using keywords is better than all of them with a validity value of 0.5810 while in second place which is good is DBScan using keywords with a validity value of 0.4656. Therefore, because the results are still in level 2, namely the cluster structure is still in the good category, the researchers conducted a combination of K-Means and DBScan using keywords. And the result is that the structure formed is in level 1, which is in the strong category, the resulting validity value is 0.7864, so that between trending topics in each cluster have a relationship."

"Pendeteksian topik merupakan suatu proses pengidentifikasian suatu tema sentral yang ada dalam kumpulan dokumen yang luas dan tidak terorganisir. Hal ini merupakan hal sederhana yang bisa dilakukan secara manual jika data yang ada hanya sedikit. Untuk data yang banyak dibutuhkan pengolahan yang tepat agar representasi topik dari setiap dokumen didapat dengan cepat dan akurat sehingga machine learning diperlukan. BERTopic adalah metode pemodelan topik yang memanfaatkan teknik clustering dengan menggunakan model pre-trained Bidirectional Encoder Representations from Transformers (BERT) untuk melakukan representasi teks dan Class based Term Frequency Invers Document Frequency (c-TF-IDF) untuk ekstraksi topik. Metode clustering yang digunakan pada penelitian ini adalah metode ­K-Means, Density-Based Spatial Clustering of Applications with Noise (DBSCAN), dan Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). BERT dipilih sebagai metode representasi teks pada penelitian ini karena BERT merepresentasikan suatu kalimat berdasarkan sequence-of-word dan telah memperhatikan aspek kontekstual kata tersebut dalam kalimat. Hasil representasi teks merupakan vektor numerik dengan dimensi yang besar sehingga perlu dilakukan reduksi dimensi menggunakan Uniform Manifold Approximation and Projection (UMAP) sebelum clustering dilakukan. Model BERTopic dengan tiga metode clustering ini akan dianalisis kinerjanya berdasarkan matrik nilai coherence, diversity, dan quality score. Nilai quality score merupakan perkalian dari nilai coherence dengan nilai diversity. Hasil simulasi yang didapat adalah model BERTopic menggunakan metode clustering K-Means lebih unggul 2 dari 3 dataset untuk nilai quality score dari kedua metode clustering yang ada.

---

Topic detection is the process of identifying a central theme in a large, unorganized collection of documents. This is a simple thing that can be done manually if there is only a small amount of data. For large amounts of data, proper processing is needed to represent the topic of each document quickly and accurately, so machine learning is required. BERTopic is a topic modeling method that utilizes clustering techniques by using pre-trained Bidirectional Encoder Representations from Transformers (BERT) models to perform text representation and Class based Term Frequency Inverse Document Frequency (c-TF-IDF) for topic extraction. The clustering methods used in this research are the K-Means, Density-Based Spatial Clustering of Applications with Noise (DBSCAN), and Hierarchical Density-Based Spatial Clustering of Applications with Noise (HDBSCAN). BERT was chosen as the text representation method in this research because BERT represents a sentence based on sequence-of-words and has considered the contextual aspects of the word in the sentence. The result of text representation is a numeric vector with large dimensions, so it is necessary to reduce the dimensions using Uniform Manifold Approximation and Projection (UMAP) before clustering is done. The BERTopic model with three clustering methods will be analyzed for performance based on the matrix of coherence, diversity, and quality score values. The quality score value is the multiplication of the coherence value with the diversity value. The simulation results obtained are the BERTopic model using K-Means clustering method is superior to 2 of the 3 datasets for the quality score value of the two existing clustering methods."

"The Australian Embassy in Jakarta stores a wide array of media release document. Analyzing particular and vital patterns of the documents collection is imperative as it may result new insights and knowledge of significant topic groups of the documents. K-Means algorithm was used as a non-hierarchical clustering method which partitioning data objects into clusters. The method works through minimizing data variation within clusters and maximizing data variation between clusters. Of the documents issued between 2006 and 2016, 839 documents were examined in order to determine term frequencies and generate clusters. Evaluation was conducted by nominating an expert to validate the cluster result. The result showed that there were 57 meaningful terms grouped into 3 clusters. “People to people links”, “economic cooperation”, and “human development” were chosen to represent topics of the Australian Embassy Jakarta media releases from 2006 to 2016. Text mining can be used to cluster topic groups of documents. It provides a more systematic clustering process as the text analysis is conducted through a number of stages with specifically set parameters."

"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."

"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."

"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."

"ABSTRAKBerbagi informasi sangat dibutuhkan setelah terjadinya bencana, semakin cepat informasi didapatkan, semakin cepat pula penangan bencana dilaksanakan. Oleh karena itu, penelitian ini menguji faktor-faktor yang mempengaruhi pengguna twitter dalam berbagi informasi bencana. Sebagian besar penelitian sebelumnya melakukan penelitian terhadap komunitas virtual, akan tetapi peneliian ini fokus terhadap media sosial. Penelitian ini menguji faktor pribadi, lingkungan dan platform informasi, untuk faktor pribadi dan lingkungan telah banyak peneliti yang melakukan penelitian akan tetapi untuk faktor platform informasi masih jarang ditemukan pada penelitian sebelumnya.Google form mengumpulkan data dari survei daring. Tiga ratus lima puluh data telah dikumpulkan akan tetapi hanya dua ratus lima puluh tujuh daya yang valid. Penulis menggunakan Structural Equation modeling SEM untuk menganalisa data dari survei daring. Hasil dari penelitian ini menyarankan harapan dari hasil pribadi dan altruism dari faktor pribadi mempunyai efek penting terhadap niat untuk berbagi informasi. Penelitian ini juga menemukan bahwa identifikasi komunitas dari faktor lingkungan juga mempunyai efek penting terhadap niat untuk berbagi informasi, akan tetapi jumlah peserta berbagi informasi dan frekuensi untuk berbagi dan mencari informasi tidak mempunyai efek penting terhadap niat untuk berbagi infornasi. Selanjutnya, platform informasi mempunyai pengaruh positif terhadap niat untuk berbagi informasi. Selanjutnya hasil terakhir dari penelitian ini adalah niat untuk membagikan informasi berpengaruh positif terhadap perilaku berbagi informasi bencana dari pengguna twitter di Jakarta.

---

ABSTRACTInformation sharing has now become critically alert of disaster news spreading. The more faster the information is obtained, the disaster recovery will be done more briskly. Therefore, this study examines factors that influence twitter users in disaster information sharing. Most of the previous studies evaluated on virtual community, whereas in this study, we adjust on social media. We tested personal, environmental and information platform factors. In terms of personal and environmental factors, there a lot of research that has addressed the issues, while there are still plenty of them that are using information platforms as their main issues of literature. Google form collected the data from online survey. Three hundred and fifty data were collected, but only 257 data were valid. We used Structural Equation modeling SEM to analyze the data from online survey. The result suggests that personal outcome expectation and altruism from personal factors, as well as community identification from environmental factors, have significant effect on intention of disaster information sharing. However, the amount of sharing participant, frequency of sharing, and searching information do not have significant effect on disaster information sharing. Moreover, information platform also positively influences disaster information sharing. At last, the final result is the intention of disaster information sharing positively influences its behavior of Jakarta twitter users."

"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."