Articles

Konsistensi Berita dan Click Bait Bagaimana Menganalisisnya?

Updated

Berita dan Dunia Digital

Siapa yang tidak suka berbelanja dengan E-commerce? Sebagian besar masyarakat pasti menyukai melihat, berencana, dan membeli barang idamannya. Entah itu sebuah sepatu, baju, hingga ponsel. Sebagian besar para konsumen sebelum membeli melakukan aktivitas mengkaji barang yang hendak dibeli dengan menelusuri komentar pengguna yang sudah memiliki, melihat video review dan unboxing, hingga membaca berita mengenai produk yang diinginkan.

Sayangnya, berita yang terdapat di kanal berita terkadang tidak sesuai antara judul dan isinya. Istilah yang lebih dikenal dengan click-bait. Click-bait adalah salah satu pendekatan marketing agar masyarakat mengklik berita tersebut terlepas konten yang disampaikan sesuai dan berkualitas. Kesesuaian antara judul dan isi menjadikan sebuah berita itu benar memiliki konten yang sesuai atau tidak. Salah satu upaya untuk mengukur kesesuaian antara konten berita dengan judul adalah dengan mengukur sentimen analisis sebuah berita. Contoh sederhana adalah sebagai berikut.

  • Judul Berita – Memiliki Nilai Sentimen Positif
  • Isi Berita – Memiliki Nilai Sentimen Negatif

Maka secara kesimpulan berita tersebut tidak konsisten dan rentan click bait. Sebaliknya jika judul memiliki :

  • Judul Berita – Memiliki Nilai Sentimen Positif
  • Isi Berita – Memiliki Nilai Sentimen Positif

Maka secara kesimpulan berita tersebut memiliki konsistensi dan kebenarannya bisa dilanjutkan dengan langkah lain seperti melakukan analisis Hoax.

Analisis Sentimen pada Berita

Analisis sentimen pada berita secara sederhana digunakan untuk mengetahui seberapa positif nilai sebuah berita. Nilainya berjenjang 1 – -1. 1 memiliki makna nilai positif, 0 memiliki makna nilai berita netral, -1 memiliki makna nilai berita negatif.

Penilaian analisis sentimen dapat dilakukan dengan dua cara

  1. Pendekatan manual labelling
  2. Pendekatan otomatis labelling.

Manual artinya melibatkan manusia untuk memberi label, kemudian melatih mesin. Sementara automatis adalah menggunakan mesin seluruhnya untuk menilai analisis sentimen. Pendekatan kedua cukup menarik tetapi membutuhkan penyesuaian mengingat pendekatan otomatis labelling belum mendukung bahasa Indonesia.

Aplikasi Web Pengukur Analisis Sentimen

Aplikasi web pengukur analisis sentimen pada dasarnya adalah mengukur konsistensi antara judul dengan isi sebuah berita. Solusi ini menggunakan solusi layanan kognitif yang dikombinasikan dengan pelatihan Support Vector Machine. Kemudian dibandingkan dengan manual labelling.

Tampak bahwa akurasi berbasis layanan kognitif tidak setinggi manual labelling, tetapi menjanjikan dari segi :

  • Training yang tidak diperlukan
  • Akurasi yang tidak terlalu jauh dibanding pendekatan manual.
  • Mendukung identifikasi click bait tanpa perlu melakukan training mode

Penulis : Ridi Ferdiana

Peneliti: Novia Widiyanti Putri

Tahun : 2019

You may also like

Tujuh Kesalahan Dalam Menulis Penelitian

Entah Anda menyusun proposal skripsi, magister, atau disertasi. Terkadang kita tidak sadar beberapa hal yang ternyata membuat proposal kita menjadi belum layak atau perlu diperbaiki. Pada artikel ini kita akan membahas tujuh hal miskonsepsi yang dapat kita perbaiki pada saat kita menulis naskah akademik.

  • Pendahuluan yang tidak komprehensif
    Pendahuluan yang baik adalah
    a. Memulai diskusi dari hal yang tepat. Sebagai contoh janganlah mengawali sebuah pendahuluan dengan kalimat “Pertumbuhan Teknologi Informasi berkembang pesat” karena terlalu umum. Atau langsung mengatakan “Akurasi deteksi emosi masih sangat rendah” itu terlalu spesifik. Mulailah hal yang pas sebagai contoh “Deteksi emosi adalah upaya…”.
    b. Menceritakan berbagai masalah yang timbul dari konsep yang dijelaskan. Sebagai contoh apa saja pendekatan deteksi emosi yang ada, apa masalahnya yang diselesaikan, dan apa yang dilakukan oleh peneliti untuk menyelesaikan masalah itu.
    c. Mengakhiri dengan sebuah tantangan yang masih harus dihadapi dari semua yang sudah dilakukan oleh peneliti. Tutup akhir kalimat dengan apa saja masalah / gap yang masih terbuka yang menjadi agenda penelitian selanjutnya.
  • Perumusan masalah yang tidak mencerminkan masalah
    Perumusan yang baik adalah
    a. Menjelaskan masalah bukan kebutuhan. “Penelitian ini akan membahas mengenai optimalisasi akurasi deteksi otomasi yang masih dibawah 70” .. Bukan “Belum ada penelitian yang menjelaskan bagaimana…”.
    b. Menjelaskan masalah bukan tujuan. “Penelitian ini akan melakukan..” ini kurang tepat.
    c. Menjelaskan resiko masalah jika tidak dipecahkan.
    d. Perumusan masalah pada bidang teknik bukanlah pertanyaan karena itu akan dipaparkan di pertanyaan penelitian.
  • Tujuan penelitian yang tak terukur
    Tujuan penelitian membahas mengenai apa yang dilakukan dan selayaknya bisa diukur dalam performa indikator yang jelas semisal “Penelitian ini mengembangkan algoritme XYZ untuk meningkatkan akurasi di atas 70%”. Bukan “Penelitian ini menyelesaikan rendahnya akurasi deteksi emosi”. Tujuan penelitian dapat berupa langkah-langkah yang dilakukan penelitian misalnya: mengidentifikasi, merancang, menerapkan, dan mengevaluasi.
  • Batasan masalah formalitas
    Batasan masalah menjelaskan masalah yang dipaparkan di pendahuluan dan perumusan masalah tetapi tidak dilakukan karena keinginan untuk fokus pada domain penelitian atau spesifikasi tertentu. Batasan masalah bukan
    a. Batasan waktu dan uang.
    b. Batasan geografis (dengan catatan geografis bukan aspek yang esensial dalam penelitian.. Semisal pertumbuhan botani pada geografis tertentu esensial, tetapi Yogyakarta dengan Jakarta berdasar pada penerapan TIK bukan esensial).
    c. Batasan teknologi yang didasarkan pada aspek yang tidak berelasi. Semisal penelitian ini menggunakan PHP dikarenakan open source dan gratis.
  • Dasar teori atau tinjauan pustaka seadanya
    a. Tinjauan pustaka berisi penelitian yang dilakukan sebelumnya dalam bidang yang sama. Dasar teori berisi dasar-dasar yang digunakan untuk melanjutkan penelitian yang ada.
    b. Idealnya kita memulai dengan tinjauan pustaka membahas apa yang sudah dilakukan dan apa yang bisa dilakukan. Pendekatan ini dikenal juga dengan keaslian penelitian. Tinjauan pustaka deteksi emosi misalnya membahas mengenai berbagai penelitian deteksi emosi.
    c. Dasar teori berisi teori yang dipakai untuk melakukan penelitian. Dasar teori tidak harus berhubungan dengan penelitian saat ini tetapi bisa berupa kombinasi tinjauan pustaka penelitian yang hendak dilanjutkan. Konsep dasar yang dipakai dipenelitian, hingga teori lain yang dipakai.
  • Pertanyaan penelitian atau hipotesis yang salah letak
    Pertanyaan penelitian atau hipotesis layaknya diletakkan setelah dasar teori atau tinjauan pustaka. Hal yang harus diperhatikan adalah
    a. Jika penelitian lebih cenderung kuantitatif maka pendekatan hipotesis lebih layak.
    b. Jika penelitian lebih cenderung kualitatif atau mixed maka pendekatan pertanyaan penelitian lebih layak.
    Kita tidak membahas bagaimana menyusunnya hipotesis dan pertanyaan penelitian yang baik.
  • Metode penelitian yang seadanya
    Seringkali metode penelitian disusun seadanya dikarenakan sudah kelelahan di bagian sebelumnya. Padahal selayaknya metode penelitian memiliki.
    a. Diagram alir penelitian dari awal hingga akhir. Awal ini artinya mulai dari proses penelitian hingga selesainya evaluasi.
    b. Metode penelitian memiliki fase terstruktur dan memiliki indikator kapan langkah penelitian dikatakan selesai.
    c. Metode penelitian memiliki luaran yang berkaitan dengan pertanyaan penelitian atau hipotesis yang dijawab.
    • read more

    ilustrasi video game

    Efek Video Game di Masa Pandemi

    Video Game – Sektor Hiburan Terkuat di Masa Pandemi

    Suasana school from home dan mobilitas terbatas mendorong masyarakat untuk melakukan kegiatan di dalam rumah. Bersekolah, beribadah, dan tentu saja bermain di dalam rumah.  Salah satu permainan yang menarik adalah permainan video game. Video game adalah permainan berbasis visual menggunakan komputer grafis dan antarmuka komputer seperti keyboard, game controller, atau bahkan sensor natural seperti Kinect.

    Permainan video game di era pandemi meningkat sebesar 6% (40 juta unit) untuk pembelian Console seperti Xbox atau PlayStation. Sementara, pembelian TV juga meningkat sebesar 1%. Dengan kata lain, segmen Video Game semakin kuat, belum lagi mobile gaming yang meningkat 50% dibanding sebelum pandemi. read more

    Sistem Rekomendasi Rencana Pelatihan untuk Educational Technology Startup Menggunakan Pembobotan TF-IDF dan Cosine Similarity dengan Analytical Hierarchy Process

    Menurut perhitungan Startup Ranking, Indonesia menempati peringkat lima dunia untuk jumlah startup terbanyak yang berdiri di tahun 2019 dengan 2193 startup setelah AS, India, Inggris dan Kanada [1]. Sebagian besar startup terpaksa harus tutup usia sebelum bisa menghasilkan keuntungan. Beberapa tantangan yang kerap memupuskan langkah startup Indonesia antara lain rendahnya kualitas sumber daya manusia, susahnya mencari pendanaan dan investor serta ketidaksesuaian dengan kebutuhan pasar [2]. Salah satu upaya EdTech (Educational Technology) startup dapat menemukan product market fit adalah dengan menggunakan sistem rekomendasi. Conforti et al, menggunakan sistem rekomendasi yang mendukung proses pengambilan keputusan berdasarkan informasi risiko dengan tujuan mengurangi risiko yang mungkin muncul selama melakukan eksekusi proses [3]. Dengan sistem rekomendasi, maka EdTech startup mampu menemukan informasi [4] dan tidak akan kesulitan untuk memilih informasi yang sesuai dengan kebutuhannya [5]. read more

    Pengembangan Sistem Presensi Berbasis QR Code

    Presensi dalam dunia pendidikan tentunya tidak bisa dilepaskan. Setiap kelas, setiap perkuliahan menggunakannya untuk melakukan pendataan siswa. Siswa dicatat dalam presensi setiap harinya baik yang hadir, sakit, izin atau tidak hadir tanpa keterangan.

    Leave a comment

    Your email address will not be published.