Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Klasifikasi sentimen merupakan salah satu cabang dari text mining. Klasifikasi sentimen dapat menjadi sesuatu yang penting dalam proses evaluasi terhadap sebuah topik permasalahan. Tujuan utama dari klasifikasi sentimen adalah untuk mencari tahu polaritas dari sentimen positif, negatif dan netral. Klasifikasi sentimen salah satunya dapat diperoleh melalui tweet yang ada pada Twitter. Dalam tulisan ini, tweet yang berhubungan dengan kata kunci yang dicari dihimpun dengan menggunakan tools yaitu API Twitter. Data yang didapat dari proses penghimpunan akan diolah dengan menggunakan Natural Language Toolkit yang berjalan diatas bahasa pemrograman Python. Data selanjutnya akan dilakukan klasifikasi sentimen dengan menggunakan Naive Bayes untuk melihat sentimen yang dihasilkan. Dari proses klasifikasi yang telah dilakukan akan diukur tingkat akurasi. Dari hasil uji coba sebanyak 3 kali, didapatkan tingkat akurasi pada percobaan pertama 64.95%, kedua 66.36% dan ketiga 66.79% Hasil lain yang didapatkan dari proses klasifikasi yaitu sentimen positif 28% sentimen negatif 20% dan sentimen netral 52%. Berdasarkan hasil persentase kelas sentimen, sentimen neutral merupakan sentimen yang paling banyak apabila dikaitkan dengan topik Presiden Joko Widodo dan pemerintahannya.

Abstrak :
Munculnya Cryptocurrency telah menjadi tantangan masif terhadap sistem keuangan terpusat. Namun, skandal FTX dan Terra-Luna telah menurunkan kepercayaan investor terhadap cryptocurrency sebagai alternatif aset investasi. Studi ini mengkaji sinergi antara imbal hasil crypto dan sentimen investor, dalam konteks opini negatif yang didorong oleh peristiwa FTX dan Terra-Luna. Dengan menggunakan data lebih dari 700,000 komentar pada platform Reddit, kami mengidentifikasi setiap sentimen menggunakan metode berbasis deep-learning model untuk menyusun indeks sentimen investor. Temuan kami menunjukkan bahwa sinergi positif dan signifikan ditemukan pada periode kasus FTX, namun tidak pada periode Terra-Luna. Temuan kami menunjukan urgensi akan keuangan terdesentralisasi, guna mengikis faktor dari kesalahan manusia. ......The rise of Cryptocurrency has been a massive challenge to the centralized financial system. On the other hand, FTX and Terra-Luna scandals have declined investor confidence in cryptocurrency as an alternative to investment assets. This paper examines the synergy between crypto returns and investor sentiments, as the negative opinions that are driven by FTX and Terra-Luna events. Using data from more than 700,000 Reddit comments, we identify each sentiment using deep learning models to construct an investor sentiment index. Our findings lend that a positive and significant synergy was found in the FTX period, but not in the Terra-Luna period. Our findings show the urgency of decentralized finance to reduce the factor of human error.

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 :
ABSTRAK
Ruang lingkup penelitian difokuskan tentang kudeta pada masa Abbasiyah era pertama, sekitar 750 Masehi sampai 1258 Masehi. Penelitian ini dilatarbelakangi oleh kemunduran dinasti Abbasiyah yang salah satunya disebabkan oleh kudeta. Hal ini adalah sebuah permasalahan, karena dinasti Abbasiyah dianggap sebagai masa kejayaan Islam. Penelitian ini adalah penelitian kualitatif dengan metode penulisan sejarah. Hasil penelitian menyimpulkan bahwa, kudeta merupakan salah satu penyebab yang signifikan terhadap kemunduran dinasti Abbasiyah. Penyebab terjadinya kudeta adalah sentimen golongan, suksesi, ekonomi, kebijakan penguasa, dan sekte menyimpang. Tujuan di balik kudeta tersebut adalah stabilisasi, reformasi dan revolusi.

---

ABSTRACT
This research is to study the coup d rsquo etat that happened in the time of Abbasid caliphate. The scale of the research was being focused on the coup d rsquo etat that happened in the first era of Abbasid caliphate, that was reigned about 750 A.D. until 1258 A.D. The reason behind this Thesis was the significant declination of the Abbasid caliphate caused by internal problems. This is a problem, because Abbasid caliphate was regarded as the time of islamic golden age. This research is a cualitative reasearch based on historical research. The conclusion of the research is that coup d rsquo etat is one of the major causes of the declination of Abbasid caliphate. The causes of the coup are group sentimental, succession, economic, government decision, and heretical sect. The goals of the coup are stabilization, reformation, and revolution.

Abstrak :
Pandemi Covid-19 telah melanda Indonesia selama lebih dari satu tahun. Hal tersebut menyebabkan terhentinya kegiatan normal di berbagai sektor kehidupan masyarakat, khususnya dalam dunia pendidikan. Setelah lebih dari satu tahun menutup kegiatan belajar tatap muka, Pemerintah kembali merencanakan kembalinya pendidikan tatap muka. Meskipun pendidikan tatap muka dinilai lebih efektif, akan tetapi bahaya Covid-19 yang semakin mudah menular menyebabkan kekhawatiran di dalam masyarakat. Untuk itu, pemerintah wajib menampung aspirasi rakyatnya. Salah satunya adalah dengan menggunakan metode sentimen analisis. Dengan mengkombinasikan feature yang terdapat pada data Twitter, maka kita bisa membangun sebuah model untuk mengklasifikasi opini masyarakat. Penelitian ini juga membandingkan algoritma machine learning Support Vector Machine (SVM) dan Multi-layer Perceptron (MLP). Hasilnya, penambahan feature dan penggunaan algoritma (SVM) dalam mengklasifikasikan model Sentiment-Neutral menghasilkan nilai akurasi dan F-1 Score terbaik (85,78% dan 81,0%). Selain itu, visualisasi menggunakan Scattertext berhasil merepresentasikan teks dalam suatu plot. Hasilnya adalah mayoritas masyarakat yang mendukung kembalinya pendidikan tatap muka berdasarkan kepercayaan bahwa pendidikan tatap muka lebih efektif dibandingkan dengan pendidikan online. Di sisi lain, masyarakat juga takut akan bahayanya virus Covid-19. ......The Covid-19 pandemic has hit Indonesia for more than a year. This causes the cessation of daily activities in various sectors in Indonesia, especially in the education sector. After more than a year banning face-to-face learning activities, the Government is now planning to unban the face-to-face education. Although face-to-face education is considered more effective, the danger of Covid-19 which is easily transmitted causing concern amongst people. Because of that, the government must accommodate the aspirations of the people. One of them is by using sentiment analysis method. By combining the features contained in the Twitter data, we can build a model to classify public opinions. This study also compares machine learning algorithms Support Vector Machine (SVM) and Multi-layer Perceptron (MLP). As a result, the addition of features and the use of the SVM algorithm in classifying the Sentiment-Neutral model resulted in the best accuracy and F-1 scores (85.78% and 81.0%). In addition, visualization using Scattertext successfully represents text in a plot. The result is the majority of people who support the return of face-to-face education based on the belief that face-to-face education is more effective than online education. On the other hand, people are also afraid of the dangers of the Covid-19 virus.

Abstrak :
Mispricing harga saham merupakan salah satu dampak dari lemahnya bentuk efisiensi pasar modal Indonesia. Penelitian terdahulu yang menggunakan indeks sentimen pasar Baker dan Wurgler (2006) menunjukkan bahwa hal tersebut dipengaruhi oleh sentimen investor. Namun seiring dengan perkembangan teknologi, Twitter menjadi salah satu media sosial yang dapat digunakan untuk mengukur sentimen investor yang akurat. Penelitian dengan 600 observasi ini bertujuan untuk mengetahui bagaimana pengaruh sentimen investor pada Twitter terhadap mispricing harga saham Indonesia tahun 2017. Dengan menggunakan Vector Autoregressive (VAR), mispricing harga saham dibagi menjadi dua komponen, yaitu earning mispricing dan required return mispricing. Hasil penelitian menunjukkan bahwa harga saham Indonesia tahun 2017 mengalami undervalue sebesar 19,5% dan sentimen investor berhubungan negatif signifikan terhadap mispricing harga saham di Indonesia. Oleh karena itu, investor disarankan untuk memperhatikan kondisi pasar modal dan sentimen pada Twitter sebelum mengambil keputusan investasi.

---

Stock mispricing is one of the effects of the weak form of Indonesia's capital market efficiency. Previous research using market sentiment index by Baker and Wurgler (2006) shows that it was affected by investor sentiment. However, along with the development of technology, Twitter has become one of the social media that can be used to measure investor sentiment accurately. This study, using 600 observations, aims to analyze the impact of investor sentiment on Twitter on Indonesia’s stock mispricing in 2017. By using Vector Autoregressive (VAR), stock mispricing is divided into two components, earning mispricing and required return mispricing. The results show that Indonesia's stock price in 2017 experienced undervalue of 19,5% and investor sentiment had a significantly negative relationship with stock mispricing in Indonesia. Therefore, investors are advised to pay attention to capital market conditions and sentiment on Twitter before making investment decisions.

Abstrak :
Pada penelitian ini dilakukan analisis sentimen berita konstituen indeks LQ45 terhadap pergerakan indeks LQ45 dengan mempertimbangkan intensitas berita. Dua metode analisis sentimen digunakan pada penelitian ini, pertama kamus Lougran dan McDonald sebagai ukuran sentimen keuangan. Kedua analisis sentimen TextBlob sebagai ukuran sentimen umum. Model Capital Asset Price (CAPM), Auto regresi (AR), Vektor Auto Regresi (VAR), tes kausalitas Granger, serta korelasi bergulir digunakan untuk melihat dinamika hubungan antara sentimen berita dan pergerakan indeks. Penelitian ini menemukan bahwa Intensitas berita menurun ketika terjadi krisis. Menariknya, intensitas berita meningkat secara drastis setelah kasus Covid-19 pertama. Sentimen berita memiliki korelasi dengan indeks cukup besar. Korelasi tersebut lebih besar ketika intensitas berita meningkat. Penelitian ini menemukan sentimen lebih memberikan efek lebih signifikan dalam kondisi intensitas berita yang lebih tinggi. Berdasarkan hasil temuan tersebut sentimen berita merupakan salah satu faktor pembentuk harga yang tidak dapat diabaikan dalam analisis selanjutnya. ......This study analyzed the sentiment of the constituent news of the LQ45 index on its index movement by considering the news intensity. Two Sentiment analysis methods are used in this study.   The Loughran and McDonald's dictionary as a measure of financial sentiment, then TextBlob sentiment analysis as a measure of general sentiment. Capital Asset Pricing Model (CAPM), Autoregression (AR), Vector Auto Regression (VAR), Granger Causality test and rolling correlation are used to investigate the dynamic relationship between news sentiment and index movement. This research found that news intensity decreased during the financial crisis. Interestingly, news intensity increased significantly after the first Covid-19 case. Then the constituent news sentiment has a relatively strong correlation with the index movement. The correlation value is more significant when the intensity increases. This research found that the news sentiments have a more significant impact in the higher intensity condition. Derived from these findings, we concluded that news sentiment is one of the unignorably price-forming factors in further analysis.

Abstrak :
Tesis ini membahas mengenai evaluasi analisis sentimen tools vs human. Pada penelitiannya, tools yang digunakan adalah brand24 dan ripple10. Perlu diketahui brand24 merupakan digital listening tools yang berasal dari Polandia sedangkan ripple10 berasal dari Indonesia. Pada tools analisa sentimen dilakukan menggunakan algoritma. Sedangkan pada human analisa sentimen dilakukan secara tematik. Adapun metode yang digunakan pada penelitian ini adalah kuantitatif. Hasilnya, tools memang memudahkan kerja manusia. Namun, dalam menganalisis sentimen masih diperlukannya campur tangan manusia untuk memastikan validitasnya. Lainnya, variabel kategori topik dan lambang dapat mempengaruhi analisa suatu sentimen sedangkan bahasa dan karakter tidak terlalu berpengaruh. ......This thesis discusses the evaluation of sentiment analysis tools vs human. In this research, the tools used are brand24 and ripple10. Brand24 is a digital listening tool from Poland, while ripple10 is from Indonesia. Sentiment analysis tools are carried out using an algorithm. While in human sentiment analysis is done thematically. The method used in this research is quantitative. As a result, tools help human work easier. But, in analyzing sentiment, human intervention is still needed to ensure the validity. On the other hand, topic and symbol category variables can influence the analysis of a sentiment, while language and character have little effect.

Abstrak :
Perilaku herding terjadi ketika investor mengabaikan informasi yang dimiliki dan mengimitasi perilaku investor lainnya. Tujuan dari studi ini untuk melihat pengaruh kebijakan moneter BI dan The Fed terhadap perilaku herding di pasar modal Indonesia. Beta Herding digunakan sebagai pengukuran level perilaku herding dan VECM digunakan untuk melihat hubungan kebijakan moneter perilaku herding. Hasil studi menyatakan bahwa kebijakan moneter konvensional dan non-konvensional BI memiliki pengaruh yang kecil terhadap perilaku herding di pasar modal, sedangkan perilaku herding terjadi akibat guncangan kebijakan moneter The Fed, terutama pada periode GFC. Hal ini menggambarkan kredibilitas BI dan The Fed dalam membentuk ekspektasi dan sentimen investor. ......Herding behavior occurs when investor suppressed their own information and imitate other’s action. The aim of this study is to analyze the effect of monetary policy on herding behavior in Indonesia stock market. Beta Herding was used as the measure of herding behavior and VECM was used to analyze the relationship between monetary policy and herding behavior. This study indicated that both BI monetary policy had small effect on herding behavior, while it is affected by Fed monetary policy shocks, especially on GFC period. This also capture the credibility of BI and The Fed in managing investor expectation and sentiment.

Abstrak :
Kepuasan pelanggan merupakan salah satu faktor penting bagi keberhasilan suatu bisnis, termasuk pada industri jasa penerbangan yang mengalami peningkatan dari tahun ke tahun. Salah satu cara untuk mengukur tingkat kepuasan pelanggan adalah dengan cara penyampaian opini atau ulasan. Opini atau ulasan disampaikan melalui pesan singkat, kotak saran, media sosial maupun halaman web sehingga data yang tersedia berjumlah banyak. Pendekatan text mining tepat digunakan untuk mengekstrak informasi dari data ulasan yang berjumlah banyak secara otomatis. Penelitian ini mengevaluasi dan menganalisis ulasan pelanggan terhadap layanan dan fasilitas Bandara Soekarno-Hatta yang merupakan bandara terbesar di Indonesia. Penelitian ini mengombinasikan pendekatan text mining berupa analisis sentimen dan text summarization. Teknik klasifikasi digunakan untuk mengidentifikasi sentimen positif atau negatif yang terkandung dalam kalimat ulasan. Teknik klasifikasi yang digunakan adalah support vector machine yang cocok digunakan untuk data yang berjumlah besar dan na ve bayes classifier yang hanya membutuhkan jumlah data latihan yang kecil untuk menentukan estimasi parameter dalam proses pengklasifikasian. Text summarization dengan teknik k-medoids clustering digunakan untuk memperoleh kalimat representatif yang menggambarkan keseluruhan isi ulasan. Hasil dari teknik klasifikasi pada penelitian ini menunjukkan bahwa algoritme support vector machine menghasilkan nilai akurasi yang lebih tinggi dibandingkan algoritme na ve bayes classifier dalam menganalisis sentimen. Tahap text summarization dengan teknik k-medoids clustering menghasilkan nilai Davies-Bouldin Index yang mendekati nol. Luaran dari penelitian ini berupa identifikasi aspek layanan dan fasilitas bandara yang menjadi kekuatan dan kelemahan serta penentuan prioritas perbaikan dan peningkatan kualitas aspek layanan dan fasilitas yang masih menjadi kelemahan. ...... Customer satisfaction is an important factor for the business rsquo success, including airline service industry which is increasing from year to year. One way to measure customer satisfaction level is by customer opinions or reviews. Opinions or reviews are conveyed via short messages, suggestion boxes, social media and web pages so customer reviews provided are numerous. Text mining is a right approach to extract information from a large number of review data automatically. This study evaluates and analyzes customer reviews of services and facilities of Soekarno Hatta Airport as the largest airport in Indonesia. This study combines text mining approach of sentimental analysis and text summarization. The classification technique is used to identify the positive or negative sentiments contained in the review sentence. The classification technique used is a support vector machine suitable for large amounts of data and na ve bayes classifier which requires only a small amount of exercise data to determine parameter estimation in the classification process. Text summarization with k medoids clustering technique is used to obtain representative sentences that describe the entire contents of the review. The results of the classification technique in this study indicate that support vector machine algorithm has a higher accuracy value than na ve bayes classifier algorithm in analyzing sentiments. Text summarization stage with k medoids clustering technique yields a near zero Davies Bouldin Index value. The output of this research is identification of service aspect and airport facility which become the strength and weakness as well as the improvement prioritization of aspects that still become weakness.