Hasil Pencarian  ::  Simpan CSV :: Kembali

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

---

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

Abstrak :
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.

Abstrak :
ABSTRAK
Era globalisasi tidak dapat menahan besarnya pengaruh kecanggihan teknologi informasi, salah satunya adalah internet. Perkembangan teknologi internet tentu meningkatkan jumlah informasi yang tersedia. Informasi tersebut dapat berupa berita ? berita aktual yang dapat diakses melalui media sosial, seperti Twitter. Oleh karena itu, dibutuhkan suatu cara cepat dan efisien untuk menemukan topik utama dari Twitter. Pendeteksian topik pada dokumen yang sangat besar sulit dilakukan secara manual sehingga dibutuhkan metode otomatis, salah satunya faktorisasi matriks yaitu Nonnegative Matrix Factorization (NMF). Salah satu metode NMF yang telah berhasil dikembangkan dengan komplesitas waktu polinomial adalah P-NMF dengan algoritma AGM yang memiliki asumsi bahwa setiap topik memiliki sedikitnya satu kata yang tidak terdapat pada topik lainnya yang disebut sebagai kata anchor. P-NMF dengan algoritma AGM terdiri dari tiga tahapan, yaitu pembentukan matriks coocurance, pencarian kata anchor, dan recover. Pada penelitian ini akan diterapkan P-NMF dengan Recover KL untuk mendeteksian topik pada twitter, kemudian hasilnya akan dibandingkan dengan LDA dan P-NMF dengan Original Recover. Penelitian menunjukan bahwa P-NMF dengan Recover KL mampu meningkatkan akurasi untuk pendeteksian topik pada Twitter.

---

ABSTRACT
The era of globalization can?t withstand the influence of sophistication of information technology, such as Internet. Development of Internet technology would increase the amount of information. The information may be actual news that can be accessed through social media, such as Twitter. Therefore, needed a fast and efficient way to find the main topics of Twitter. Detection topics on very large documents difficult to do manually so it takes automated methods, one of which is nonnegative matrix factorization (NMF). One method that has been successfully developed NMF with polynomial time complexity is P-NMF algorithm AGM which assumes that each topic has at least one word that doesn?t appear on other topics, called anchor words. P-NMF algorithm AGM consists of three steps, the establishment of a matrix coocurance, finding anchor words, and recover. This research will be implemented P-NMF with Recover KL to detect topics on twitter, then the results will be compared with the LDA and P-NMF with Original Recover. Research shows that P-NMF with Recover KL can improve detection accuracy for topics on Twitter.

Abstrak :
Tesis ini membahas kebutuhan-kebutuhan pengguna terhadap kepuasan dan niat keberlanjutan penggunaan dengan berlandaskan teori uses and gratifications. Penelitian ini merupakan penelitian kuantitatif dengan pendekatan eksplanatif. Sebanyak 405 responden dengan kriteria yaitu pengguna Twitter yang tergabung sebagai follower akun autobase @indomyfess, berhasil diperoleh dengan kuesioner yang disebar secara nline. Metode analisis deskripitif dan SEM digunakan untuk membuktikan adanya pengaruh kepuasan penggunaan terhadap niat keberlanjutan penggunaan media sosial. Mengadopsi kerangka penelitian Bae (2017), terdapat tiga hipotesis dalam penelitian ini, yaitu kebutuhan yang dicari pengguna terpuaskan. Kedua, masing-masing terpenuhinya kebutuhan berpengaruh terhadap kepuasan pengguna secara menyeluruh. Ketiga, kepuasan pengguna berpengaruh terhadap niat keberlanjutan penggunaan media sosial. Selisih gratification sought dan gratification obtained menemukan bahwa pada aspek sosialiasi, kenyamanan, dan dukungan sosial, kebutuhan pengguna terpenuhi. Kemudian hasil penelitian membuktikan bahwa kebutuhan yang terpenuhi mempengaruhi kepuasan pengguna dan kepuasan pengguna mengarah pada niat keberlanjutan penggunaan. Di masa depan, penelitian dapat menekankan faktor komunitas yang tidak dibahas mendalam pada penelitian ini. ......This study discusses the user needs towards satisfaction and intention to continue using social media based on the uses and gratifications theory. This research is an quatitative research with explanatory approach used. A total of 405 respondents with the criteria, that is Twitter users who follow autobase account @indomyfess, were successfully obtained with questionnaires distributed online. Descriptive analysis and SEM methods were used to demonstrate the effect of user satisfaction on the intention to continue using social media. Adopting research framework of Bae (2017), there are three hypotheses in this study, firstly the needs which users seek are satisfied. Secondly, the fulfillment of each need affects overall user satisfaction. Thirdly, user satisfaction affects the intention to continue using social media. Using gratification sought and gratification obtained, it found that user needs in aspect of socialization, convenience, and social support, were met. Moreover, results of the study prove that fulfilled needs affect user satisfaction and user satisfaction leads to the continuance usage for social media users. In the future, research may emphasize community factors which were not discussed in depth in this study.

Abstrak :
Sejak resmi dilantik sebagai Presiden Amerika Serikat ke-45, Donald Trump tidak henti menjadi sumber kontroversi berkaitan dengan kebijakan, perilaku, dan cara bermedia sosialnya. Meskipun demikian, belum banyak penelitian yang dilakukan mengenai Trump dan disrupsinya atas kelaziman American Presidency. Penelitian ini menganalisis tentang konsep American Presidency dan kepemimpinan Donald Trump dilihat dari penggunaan akun Twitter pribadi @realDonaldTrump. Penelitian ini menggunakan metode kualitatif dengan melakukan teknik konten analisis. Sampel penelitian yang digunakan adalah tweets Donald Trump dari akun Twitter pribadinya sejak ia resmi dilantik sebagai presiden pada tanggal 20 Januari 2017 hingga 20 Juni 2020. Hasil penelitian menunjukkan bahwa Trump adalah sosok presiden yang telah memunculkan disrupsi pada tradisi dan norma-norma kepresidenan Amerika. Selain itu, Trump juga merupakan sosok pemimpin populis kanan (right-wing populist) yang mengklaim dirinya sebagai presiden modern dengan penggunaan media sosialnya. ......Since being officially inaugurated as the 45th President of the United States, Donald Trump has been a constant source of controversy regarding his policies, behavior and ways on social media. Even so, there has been limited research on Trump and his disruption of American Presidency prevalence. This study analyzes the concept of Donald Trump’s American Presidency and leadership through his personal Twitter account @realDonaldTrump. This research uses qualitative methods by conducting content analysis technique. The research sample used is Donald Trump's tweets from his personal Twitter account since he was officially inaugurated as president on January 20, 2017 to June 20, 2020. The results show that Trump is a president who has caused disruption to the traditions and norms of the American presidency. In addition, Trump is also a right-wing populist leader figure who claims to be a modern president with his use of social media.

Abstrak :
Pandemi covid-19 di Indonesia yang terjadi pada tahun 2020 telah mengubah berbagai aspek di setiap lini masyarakat Indonesia, termasuk cara masyarakat berbelanja. Regulasi terkait pembatasan akses dan jarak memaksa masyarakat Indonesia bertransformasi menggunakan aplikasi daring untuk memenuhi kebutuhan sehari-hari. Salah satu aplikasi daring yang penggunaannya meningkat adalah penggunaan aplikasi grosir daring seperti HappyFresh, Sayurbox, dan TaniHub. Peningkatan transaksi tidak serta merta menggambarkan bahwa layanan yang diberikan oleh ketiga aplikasi itu baik, keluhan pelanggan masih ditemukan pada media sosial seperti Twitter dan ulasan pengguna aplikasi di Google Play Store. Penelitian ini bertujuan untuk menghitung Net Brand Reputation (NBR) dari ketiga aplikasi dengan melakukan analisis sentimen analisis. Data yang digunakan berasal dari Twitter dan ulasan pengguna di Google Playstore dalam rentang waktu Januari 2020 hingga Maret 2021. Model klasifikasi analisis sentimen dibuat dengan menggunakan tiga algoritma klasifikasi Naïve Bayes, Support Vector Machine (SVM), dan Decision Tree. Hasil dari penelitian didapatkan aplikasi Happyfresh, Sayurbox, dan TaniHub memiliki sentimen positif di masyarakat. Aplikasi grosir daring yang memiliki nilai NBR terbesar adalah Tanihub, kedua adalah Happyfresh, dan yang terakhir adalah Sayurbox. ......The COVID-19 pandemic in Indonesia that occurred in 2020 has changed various aspects in every line of Indonesian society, including the way people shop. Regulations related to access and distance restrictions force Indonesians to transform using online applications to meet their daily needs. One of the online applications whose use is increasing is the use of online wholesale applications such as HappyFresh, Sayurbox, and TaniHub. The increase in transactions does not necessarily illustrate that the services provided by the three applications are good, customer complaints are still found on social media such as Twitter and application user reviews on the Google Play Store. This study aims to calculate the Net Brand Reputation (NBR) of the three applications by performing sentiment analysis. The data used comes from Twitter and user reviews on the Google Playstore in the period January 2020 to March 2021. The sentiment analysis classification model is created using three classification algorithms, Naïve Bayes, Support Vector Machine (SVM), and Decision Tree. The results of the study showed that Happyfresh, Sayurbox, and TaniHub applications had positive sentiments in the community. The online wholesale application that has the largest NBR value is Tanihub, the second is Happyfresh, and the last is Sayurbox.

Abstrak :

Penulisan ini membahas pengaruh sentimen twitter terhadap mispricing pada perusahaan terdaftar di Indonesia periode tahun 2013-2017. Penulisan ini membandingkan beberapa metode yaitu Naïve Bayes, Support Vector Machine, dan Decision Tree untuk mendapatkan metode klasifikasi sentimen dengan akurasi tertinggi. Hasil yang didapat menunjukkan tingkat akurasi Decision Tree paling tinggi dibandingkan metode lainnya. Pengukuran mispricing menggunakan metode skoring dari Stambaugh, Yu dan Yuan (2012)untuk 9 anomali dengan strategi long/short. Hasil menunjukkan bahwa sentimen berpengaruh rendah dan signifikan terhadap returns saham di Indonesia. Strategi long-leg lebih menguntungkan ketika sentimen rendah atau negatif, dan strategi short-leg lebih menguntungkan ketika sentimen rendah atau positif.

---

This paper examines the impact of twitter sentiment on mispricing in Indonesia listed firms over period 2013-2017. This study also compares machine learning methods for sentiment classification based on Na ve Bayes, Support Vector Machine and Decision Tree algorithm. The results show that Decision Tree has the highest accuracy than other methods. To measure mispricing, we use mispricing score method from Stambaugh, Yu and Yuan (2012)associated with 9 long/short anomalies. The results of this studies show that sentiment exhibits low and significant relation to returns on the long/short strategies. The long-leg strategy is more profitable following low sentiments or negative sentiments. The short-leg strategy is more profitable following low sentiments or positive sentiments.

Abstrak :
[ABSTRAK
Penelitian ini bertujuan untuk mengetahui pengaruh layanan informasi melalui twitter dengan partisipasi pengguna Perpustakaan (Universitas Indonesia)UI di twitter. Penelitian ini menggunakan pendekatan kuantitatif dengan metode penelitian deskripsi analitik dan analisis bivariat. Variabel penelitian ini terdiri dari 2 variabel bebas yaitu desain layanan informasi dan jenis informasi serta 1 variabel terikat yaitu partisipasi pengguna. Hasil penelitian ini menunjukkan bahwa pengikut akun twitter perpustakaan UI merasa desain layanan informasi dan jenis informasi yang disajikan sudah cukup sesuai dengan kebutuhan dan keinginan pengikut. Selain itu, diketahui pula bahwa desain layanan informasi dan jenis informasi memiliki pengaruh positif signifikan terhadap partisipasi pengguna. Penelitian juga dapat menunjukkan pola partisipasi pengguna di twitter antara perpustakaan dan pengguna. Pengolahan dan analisis data pada penelitian ini menggunakan teknik analisis regresi linier berganda dengan bantuan aplikasi pengolah data.

---

ABSTRACT
The purpose of this research is to understand implication of information services trough twitter platform with UI library user participation in twitter. This research used quantitative approach with the analytic descriptive and bivariat analytic methods. The variable consists of 2 independent variables (information services design and type of information) and 1 dependent variable (user participation). The results of this research shows follower of UI Library twitter @UI_Library perceive design and type of the information that given was appropriate with user needs. Therefore, information service design and type of information have a positive implication to user participation. This research shows user participation pattern in twitter platform between library and user. Process and data analysis used multiple linear regression analysis methods using data processing software. ;The purpose of this research is to understand implication of information services trough twitter platform with UI library user participation in twitter. This research used quantitative approach with the analytic descriptive and bivariat analytic methods. The variable consists of 2 independent variables (information services design and type of information) and 1 dependent variable (user participation). The results of this research shows follower of UI Library twitter @UI_Library perceive design and type of the information that given was appropriate with user needs. Therefore, information service design and type of information have a positive implication to user participation. This research shows user participation pattern in twitter platform between library and user. Process and data analysis used multiple linear regression analysis methods using data processing software. ;The purpose of this research is to understand implication of information services trough twitter platform with UI library user participation in twitter. This research used quantitative approach with the analytic descriptive and bivariat analytic methods. The variable consists of 2 independent variables (information services design and type of information) and 1 dependent variable (user participation). The results of this research shows follower of UI Library twitter @UI_Library perceive design and type of the information that given was appropriate with user needs. Therefore, information service design and type of information have a positive implication to user participation. This research shows user participation pattern in twitter platform between library and user. Process and data analysis used multiple linear regression analysis methods using data processing software. , The purpose of this research is to understand implication of information services trough twitter platform with UI library user participation in twitter. This research used quantitative approach with the analytic descriptive and bivariat analytic methods. The variable consists of 2 independent variables (information services design and type of information) and 1 dependent variable (user participation). The results of this research shows follower of UI Library twitter @UI_Library perceive design and type of the information that given was appropriate with user needs. Therefore, information service design and type of information have a positive implication to user participation. This research shows user participation pattern in twitter platform between library and user. Process and data analysis used multiple linear regression analysis methods using data processing software. ]

Abstrak :
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.