Analisis Follower Twitter Untuk Mengetahui Afinitas Politik Pengguna Twitter.

William, Martin (2022) Analisis Follower Twitter Untuk Mengetahui Afinitas Politik Pengguna Twitter. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 05111840000083-Undergraduate_thesis.pdf Restricted to Repository staff only Download (1MB)

Abstract

Twitter merupakan situs berita dan jejaring sosial online dimana seseorang dapat melakukan follow terhadap pengguna lain untuk mendapatkan pesan singkat yang ditulis orang tersebut, yang disebut dengan tweets. Relasi follower Twitter ini secara natural membentuk struktur graph dimana node-nya merupakan pengguna Twitter dan edge-nya merupakan relasi suatu pengguna melakukan follow terhadap pengguna lain. Pengguna Twitter tidak terbatas hanya pada masyarakat umum melainkan juga pada tokoh-tokoh politik seperti politikus, perwakilan partai, pejabat publik hingga calon pada suatu pemilihan. Para tokoh ini berpartisipasi di jejaring sosial sebagai bagian dari kampanye politik mereka dan memanfaatkannya sebagai sarana musyawarah dan advokasi politik. Terdapat penelitian sebelumnya yang melakukan investigasi informasi politik dalam jejaring sosial dengan perspektif yang berbeda-beda. Berdasarkan penelitian sebelum tersebut, afinitas politik dalam pengerjaan tugas akhir ini dapat diinterpretasikan sebagai perspektif berikut: a) Afiliasi grup, identifikasi kelompok pengguna dengan afinitas yang sama atau mirip. b) Penyusunan bipolar, mengatur susunan pengguna dalam satu dimensi sehubungan dengan suatu ukuran yang relevan, seperti poros politik kiri ke kanan (sayap kiri dan sayap kanan). Afinitas politik suatu pengguna dapat ditemukan dari relasi follower pengguna tersebut di Twitter. Hal ini didasari dari asumsi bahwa preferensi politik seseorang mencerminkan preferensi politik dari tokoh politik yang mereka follow. Fenomena ini disebut selective exposure. Penelitian sebelumnya menyebutkan bahwa asumsi ini masuk akal karena pengguna mencari informasi dari mereka yang memiliki pandangan politik yang mirip. Tugas akhir ini bertujuan untuk mempelajari afinitas politik tokoh-tokoh politik dengan memanfaatkan struktur graph sosial jaringan Twitter. Metode yang digunakan pada penelitian ini adalah modularity clustering dan minimum linear arrangement. Masing-masing metode tersebut digunakan untuk mendapatkan perspektif dari afinitas politik yang sebelumnya telah disebutkan. Hasil percobaan metode analisis menggunakan modularity clustering berhasil dilakukan dengan mendapat nilai modularity 0.23 dan 0.20 untuk masing-masing dataset. Hasil percobaan metode analisis menggunakan minimum linear arrangement berhasil dilakukan dengan mendapat tingkat ketidaktepatan yang kecil untuk kedua dataset. Hasil analisis sentimen secara keseluruhan menunjukkan tokoh politik yang berada dalam cluster hasil modularity clustering yang sama memiliki kecendrungan sentimen tweet yang sama. Hasil akhir yang didapat dari keseluruhan penelitian ini adalah sebuah sistem untuk melakukan analisis afinitas politik menggunakan follower Twitter.
==============================================================================================================================
Twitter is a news site and online social network where someone can follow other users to get short messages written by that person, called tweets. This Twitter follower relationship naturally forms a graph structure where the node is a Twitter user and the edge is a relationship where a user follows another user. Twitter users are not only limited to the general public but also to political figures such as politicians, party representatives, public officials to candidates in an election. These figures participate in social networks as part of their political campaigns and use it as a means of deliberation and political advocacy. There are previous studies investigating political information in social networks with different perspectives. Based on the previous research, political affinity in this final project can be interpreted as follows: a) Group affiliation, identification of user groups with the same or similar affinity. b) Bipolar arrangement, arranges the composition of users in one dimension with respect to a relevant measure, such as the left-to-right political axis (left-wing and right-wing). A user's political affinity can be found from the user's follower relationship on Twitter. This is based on the assumption that a person's political preferences reflect the political preferences of the political figures they follow. This phenomenon is called selective exposure. Previous research suggests that this assumption makes sense because users seek information from those who share similar political views. This final project aims to study the political affinity of political figures by utilizing the social graph structure of the Twitter network. The method used in this research is modularity clustering and minimum linear arrangement. Each of these methods is used to gain perspective from the previously mentioned political affinity. The experimental results of the analytical method using modularity clustering were successfully carried out by obtaining modularity values of 0.23 and 0.20 for each dataset. The experimental results of the analytical method using the minimum linear arrangement were successfully carried out by obtaining a small level of inaccuracy for both datasets. The results of the overall sentiment analysis show that political figures who are in the same modularity clustering result have the same tendency to tweet sentiment. The final result of this research is a system for analyzing political affinity using Twitter followers.

Item Type:	Thesis (Other)
Additional Information:	RSIf 005.74 Wil a-1 2022
Uncontrolled Keywords:	Twitter, afinitas politik, graph, modularity clustering, minimum linear arrangement. Twitter, political affinity, graph, modularity clustering, minimum linear arrangement.
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	26 May 2026 01:44
Last Modified:	26 May 2026 01:44
URI:	http://repository.its.ac.id/id/eprint/133416

Actions (login required)

View Item