Article Per Year (5 Year)
p-Index From 2019 - 2024
0.444
P-Index
This Author published in this journals
All Journal Jurnal Computer Science and Information Technology (CoSciTech) MATRIX : JURNAL MANAJEMEN TEKNOLOGI DAN INFORMATIKA
Neny Sulistianingsih
Universitas Bumigora
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Visualisasi data twitter menjadi graph untuk social network analysis Galih Hendro Martono; Neny Sulistianingsih
Computer Science and Information Technology Vol 4 No 3 (2023): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v4i3.5722

Abstract

Twitter merupakan salah satu media sosial yang banyak digunakan di Indonesia. Sebagai salah satu media sosial, Twitter banyak digunakan untuk menyampaikan pendapat/opini, diskusi mengenai isu tertentu, untuk menyampaikan keluhan atau sentimen terhadap suatu produk, dan komunikasi politik. Data komunikasi pengguna Twitetr tersebut dapat diolah menjadi informasi yag bermanfaat untuk berbagai kepentingan sehingga perlu suatu cara untuk mengolah data Twitter. Perkembangan teknologi informasi memungkinkan untuk mengali informasi tersebut sehingga menjadi informasi yang berguna. Sebagai contoh, data Twitter dapat bermanfaat bagi perusahaan untuk melakukan profile konsumen sehingga dapat meningkatkan upaya pemasaran. Di bidang politik, data Twitter dapat digunakan untuk mencari orang yang memiliki pengaruh dalam Twitter yang dapat digunakan untuk membantu proses kampanye. Di bidang hukum, data Twitter tersebut dapat berguna untuk menganalisa jaringan serta distribusi informasi yang terkait dengan ujaran kebencian dan hoax. Untuk menganalisa data Twitter maka diperlukan suatu cara untuk mengubah data Twitter menjadi data graph sehingga dapat dianalisa lebih lanjut. Visualisasi data Twitetr menjadi data graph dilakukan karena terdapat perbedaan format data. Data Twitter berupa data string yang terdiri dari tweet yang merefleksikan komunikasi antar pengguna. Sedangkan data graph berupa kumpulan vertex dan edge yang dinotasikan sebagai . Vertex merepresentasikan pengguna Twitter dan edge merepresentasikan hubungan atau komunikasi antar pengguna. Penelitian ini bertujuan untuk membentuk data graph berdasarkan data Twitter sehingga dapat mempermudah analisa data Twitter untuk berbegai kepentingan.
Identification of top influence users in disseminating information on the 2024 Indonesian National Election Neny Sulistianingsih; Galih Hendro Martono
Matrix : Jurnal Manajemen Teknologi dan Informatika Vol. 14 No. 1 (2024): Jurnal Manajemen Teknologi dan Informatika
Publisher : Unit Publikasi Ilmiah, P3M, Politeknik Negeri Bali

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Social media has a vital role in general elections in Indonesia because social media is one of the platforms used by presidential candidates for campaigns to gain public support. General elections in Indonesia occur every five years. Many tweets talk about presidential candidates approaching the national election period. Not least, some buzzers deliberately use Twitter to carry out propaganda against a candidate or to bring down other presidential candidates with their opinions because information can spread widely and quickly on Twitter. Based on this, it is necessary to identify influential users in disseminating information related to the 2024 National Election, especially on Twitter. Various centrality methods were used in this study to identify influence users in sharing information about the 2024 National Election such us Degree Centrality, Closeness Centrality, Harmonic Centrality, Eigenvector Centrality, and Load Centrality. For the evaluation in this study, the results of each method were compared to one another to measure the similarity and correlation between the ranking lists of users who were influential in disseminating information about the 2024 National Election.
Co-Authors Galih Hendro Martono