Pemeringkatan Influencer Menggunakan Pendekatan Topic-Specific Influence Pada Data Twitter

Aditya, Bobbi (2021) Pemeringkatan Influencer Menggunakan Pendekatan Topic-Specific Influence Pada Data Twitter. Undergraduate thesis, Institut Tekonologi Sepuluh Nopember.

[img] Text
05111740000099-Undergraduate_Thesis.pdf - Accepted Version
Restricted to Repository staff only until 1 October 2023.

Download (4MB) | Request a copy

Abstract

Kemajuan teknologi di dunia memberikan kemudahan akses informasi bagi masyarakat. Dengan semakin meningkatnya jumlah pengguna sosial media, sosial media dapat digunakan dalam berbagai kepentingan. Fenomena ini mengakibatkan munculnya influencer pada sosial media di Indonesia. Influencer diyakini dapat meningkatkan sifat konsumtif masyarakat, serta memiliki peran yang sangat penting dalan kehidupan sosial di Indonesia. Dalam dunia sosial media, influencer memiliki pengaruh yang berbeda pada topik yang berbeda, dan influencer yang memiliki pengaruh sangat besar belum pasti memiliki pengaruh pada semua topik yang menjadi fokus influencer tersebut. Hal ini sering disebut dengan topic-specific influence. Dengan mengetahui influencer pada suatu topik serta kelompok masyarakat yang dapat dipengaruhi oleh influencer tersebut, proses penyebaran informasi akan lebih efisien. Biaya dan usaha yang dibutuhkan dapat diminimalisir dan digunakan untuk keperluan lainnya. Untuk memberikan solusi pada masalah tersebut, akan digunakan metode Followship LDA (FLDA) untuk mengelompokkan data tweet seseorang menjadi topik, serta mencari influencer pada topik tersebut. Dengan menggunakan metode ini, tingkat pengaruh/influence juga akan dapat diukur secara kuantitatif. Metode FLDA akan mengukur influence seseorang berdasarkan topic-specific influence dan content independent popularity. Topic-specific influence mengukur kemungkinan seseorang diikuti oleh orang lain berdasarkan sebuah topik, sedangkan content-independent popularity mengukur kemungkinan seseorang diikuti oleh orang lain hanya karena ketenaran orang tersebut. Hal ini dibutuhkan karena terkadang seorang influencer diikuti oleh orang lain hanya karena ketenaran saja, bukan karena konten yang dimiliki oleh influencer tersebut. Pada tugas akhir ini, penulis mengusulkan sebuah pemeringkatan influencer dengan pendekatan topic-specific influence berdasarkan data twitter dengan mengandalkan FLDA yang dibuat menggunakan cython dengan berbagai praproses, untuk mencari influencer dari topik yang terbentuk. Dataset yang digunakan adalah data user yang diambil twitter. Hasil akhir dari evaluasi menunjukkan bahwa hasil yang didapatkan cukup baik dengan mendapatkan nilai dunn index 0.1382. ====================================================================================================== The advancement of technology in the world makes society able to access information in ease. With the increasing number of social media user, social media could be used in a variety of ways. This phenomenon has resulted in the emergence of influencers in Indonesia. Influencer are believed to be able to increase the consumptive nature of society, and have a very important role in social life in Indonesia. In the world of social media, influencers have a different influence within a different topics, and an influencer who has massive influence may not necessarily have an influence on all the topics that the influencer focuses on. This is often referred to as topic-specific influence. By knowing the influencers on a topic with the community groups that being influenced by the influencers, the process for spreading information will be more efficient. The cost and effort required can be minimized an used for other purposes. To provide a solution for this problem, Followship LDA (FLDA) will be used to classify user/someone into topics based on its data, and find the influencer on that topic. By using this method, the level of influence can also be measured quantitatively. FLDA method will measure a person’s influence based on topic-specific influence and content-independet popularity. Topic-specific influence measures the likelihood that someone is followed by others based on a topic, while content-independent popularity measures the likelihood that someone is followed by someone else just because of the person’s fane. This is important because sometimes an influencer is followed by others simply because of the fame, not because the content that is owned by the influencer. In this undergraduate thesis, writer proposes an influencer ranking system with topic-specific influence approach based on twitter data by relying on FLDA made using cython with various prepocesses, to find influencers from the topics that formed. The dataset used in this thesis is user data and its tweets taken from twitter. The final result of the evaluation shows that the results obtained are quite good with the dunn index value of 0.1382

Item Type: Thesis (Undergraduate)
Subjects: Q Science > Q Science (General) > Q325.5 Machine learning.
Q Science > QA Mathematics > QA336 Artificial Intelligence
Q Science > QA Mathematics > QA76 Computer software
Q Science > QA Mathematics > QA76.9.D343 Data mining
Divisions: Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Informatics Engineering > 55201-(S1) Undergraduate Thesis
Depositing User: Bobbi Aditya
Date Deposited: 05 Aug 2021 02:12
Last Modified: 05 Aug 2021 05:33
URI: https://repository.its.ac.id/id/eprint/84875

Actions (login required)

View Item View Item