Rancang Bangun Perangkat Lunak Teenstagram untuk Mengelompokkan Topik Caption Akun Instagram Siswa Sekolah Menengah Pertama Di Surabaya

Valianta, Tetha (2017) Rancang Bangun Perangkat Lunak Teenstagram untuk Mengelompokkan Topik Caption Akun Instagram Siswa Sekolah Menengah Pertama Di Surabaya. Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[img]
Preview
Text
5213100055-Undergraduate-Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Menurut Kementerian Komunikasi dan Informatika RI 30 juta anakanak dan remaja di Indonesia merupakan pengguna internet, dan media sosial menjadi pilihan utama sarana komunikasi yang mereka gemari. Menurut Asosiasi Penyelenggaraan Jasa Internet Indonesia (APJII), Instagram merupakan media sosial yang berhasil mengambil tempat di hati penggunanya, terbukti dengan kenaikan yang signifikan sejak pertama diluncurkan pada Oktober 2010, tercatat ada 500 juta pengguna aktif dunia di tahun 2016, dan di Indonesia tercatat sebanyak 19,9 juta atau sebesar (15 persen) pengguna. Menurut KOMINFO tingginya animo pengguna Instagram khususnya usia remaja tidak diimbangi dengan pengawasan orang tua dikarenakan faktor orang tua yang mengaku kewalahan untuk mengawasi putra-putrinya dalam berekspresi di media sosial. Dari fenomena tersebut dibutuhkan sebuah platform yang mampu memberikan informasi visual terhadap aktivitas remaja dalam hal berekspresi di media sosial Instagram, dengan cara melakukan analisis topic modelling terhadap perilaku atau kebiasaan remaja ketika upload gambar disertai dengan caption tertentu, menggunakan metode Latent Dirichlet Allocation atau yang akrab disebut dengan LDA. Penelitian ini dikhususkan untuk menganalisa data caption akun Instagram siswa SMP di Surabaya, setelah data akun dan data caption didapatkan serta dianalisa menggunakan LDA, kemudian dilakukan visualisasi terhadap topik atau kategori aktivitas siswa berdasarkan captionnya. Melalui proses pembuatan model menggunakan LDA telah didapatkan hasil terbaik berupa 2 topik. Adapun 2 topik tersebut dapat dikatakan baik karena memiliki nilai perplexity yang kecil, yang artinya model yang dibuat memiliki tingkat kesesuaian yang bagus. Dua topik yang terbentuk pada proses ini diterjemahkan ke dalam dua kategori, yakni edukasi dan interaksi. Berdasarkan hasil prediksi pelabelan data, didapatkan informasi bahwa model topik didominasi oleh kategori Edukasi dengan jumlah data 3940, sedangkan kategori interaksi memiliki jumlah 724. ================================================================= According to the Ministry of Communications and Information Technology, 30 million children and adolescents in Indonesia are internet users, and social media becomes the main choice of communication means they enjoy. According to the Indonesian Internet Services Association (APJII), textit Instagram is a social media that successfully takes its place in the hearts of its users, as evidenced by the significant increase since it was first launched in October 2010, there are 500 million active users worldwide by 2016, In Indonesia there were 19.9 million or 15 percent of users. According KOMINFO high user interest textit Instagram especially adolescents are not matched with parental supervision due to parents who claim to be overwhelmed to supervise his sons and daughters in expression in social media. From that phenomenon it takes a textit platform that is able to provide visual information on youth activities in terms of expression in social media textit Instagram, by analyzing topic modeling on teenage behavior or habits when textit upload The image is accompanied by a certain textit caption, using the textit Latent Dirichlet Allocation or the so-called textit LDA method. This study was devoted to analyzing the account account data of SMP students in Surabaya, after account data and data caption were obtained and analyzed using textit LDA, then visualization of the topic or category of student activity based on textit Caption. Through the process of modeling using it LDA has got the best results in 2 topics. The two topics can be said to be good because it has a small it perplexity value, which means the model created has a good level of conformity. Two topics formed in this process are translated into two categories: textbf educational and textbf interaction. Based on predicted data labeling results, it is found that the topic model is dominated by the textbf Education category with the data number textbf 3940, while the interaction category has the number 724.

Item Type: Thesis (Undergraduate)
Additional Information: RSSI 005.1 Val r
Uncontrolled Keywords: Instagram, Caption, Topik, SMP, LDA, Latent Dirichlet Allocation, Repository, Software, Linked Data, DBpedia
Subjects: Q Science > QA Mathematics > QA76 Computer software
Z Bibliography. Library Science. Information Resources > ZA Information resources > Z699.5 Information storage and retrieval systems
Divisions: Faculty of Information Technology > Information System > (S1) Undergraduate Theses
Depositing User: Tetha Tetha Valianta
Date Deposited: 02 Nov 2017 08:20
Last Modified: 05 Mar 2019 06:14
URI: http://repository.its.ac.id/id/eprint/42863

Actions (login required)

View Item View Item