Nama : Haikal Limansah

Kelas : ​IF-41-GAB03 [IMD]

Literature Review Assignment
Ahmad, Nadeem, and Jawaid Siddique. Personality assessment using Twitter tweets. Procedia
computer science 112 (2017): 1964-1973.

1. Abstrak
Media sosial membangun konektivitas tanpa gangguan, media sosial dapat menghubungkan
penggunanya dengan dunia luar dan mengungkapkan sudut pandang mereka dalam setiap aspek
kehidupan. Tujuan dari penelitian ini adalah untuk menganalisis bagaimana dataset twitter dapat
digunakan untuk meningkatkan pengalaman pengguna dengan mempertimbangkan aspek
penilaian kepribadian. Dalam artikel ini, menunjukan profil psikologis pengguna berdasarkan
dataset. Pembuatan profil pengguna dapat menjadi alat yang sangat berguna bagi kemajuan karir,
kepuasan kerja dan pengaturan preferensi UI yang berbeda beda.

2. Pendahuluan
Kepribadian terdiri dari karakteristik, pola pikiran, perasaan dan perilaku yang membentuk
seseorang sehingga setiap kepribadian bersifat unik (berbeda-beda). Penilaian kepribadian
pengguna media sosial dapat dilakukan dengan cara melihat latar belakang sosial, demografi dan
asal etnis mereka. Penilaian kepribadian dapat digunakan untuk pengambilan informasi (search
engine), pemilihan konten, penentuan posisi produk & layanan, dan lain-lain.

3. Metodologi dan Analisis

Studi ini bertujuan untuk penilaian kepribadian yang lebih luas, lebih besar dan lebih relevan
daripada media dan polling yang sudah ada. Sentimen/teks pada twitter diperluas dengan
mengklasifikasikan tweet menjadi empat kategori yaitu dominasi, pengaruh, pengajuan dan
kepatuhan. Menggunakan metode DISC. Penambangan teks dan analisis sentimen dilakukan
untuk setiap pengguna berdasarkan tweet terbarunya. Kita dapat mengunduh lebih dari 1juta
tweet menggunakan kata kunci. Kata kunci yang digunakan adalah sebagai berikut :
Alasan utama mengapa menggunakan media sosial adalah :
1. Kemudahan ketersedediaan dan akses dataset
2. Akses ke tools yang memungkinkan analisis secara mendalam dari kumpulan data
tersebut.
Metodologi yang difokuskan pada penelitian ini dapat diklasifikasikan dalam tiga cara yaitu :
1. Data
2. Analisis Data
3. Visualisasi Data
Dapat diilustrasikan seperti gambar di bawah ini :

3.1 Data Publik & Analisis Data

Seperti yang telah dibahas sebelumnya, kumpulan data tersedia secara gratis di Internet, tools
yang digunakan untuk mengumpulkan data tersebut adalah Rapidminer dimana penambangan
teks diterapkan melalui bahasa R. Rapidminer adalah platform perangkat lunak yang
menyediakan berbagai kebutuhan machine learning, deep learning, text mining dan predictive
analytics. Rapidminer mendukung semua proses Machine Learning termasuk persiapan data,
validasi, visualisasi dan optimalisasi.

3.2 Visualisasi Data

Alat untuk visualisasi data sangat dibutuhkan oleh peneliti sehingga peneliti dapat
memvisualisasikan data dalam beberapa bentuk grafik dan dapat memenuhi tujuannya yaitu
mengkomunikasikan informasi dengan jelas dan efektif. Prosesnya dimulai dengan penambangan
data, dilanjutkan dengan analisis data dan diakhiri dengan visualisasi data.

4. Teknik yang digunakan untuk Analisis Sosial Media

Adapun teknik yang digunakan antara lain :
1. Analisis Sentimen
2. Machine Learning
3. Computational Statistics
4. Supervised Learning
Dll.
Gambar di bawah ini menggambarkan teknik yang dapat digunakan untuk menganalisis
(penambangan teks) dari media sosial :

5. Hasil dan Eksperimen

Pada eksekusi 2 scrpit :
1. Membersihkan dataset yang disiapkan
2. Menghitung frekuensi kata dari setiap kelompok kumpulan data;
Peneliti mendapatkan bobot kata untuk setiap grup sebagai berikut :
Dikarenakan beberapa kata muncul setidaknya 20 kali, hasil penelitian menunjukan ada 6 leksem
dengan jumlah kata lebih besar dari 20 pada kelompok “D”, 3 leksem dalam kelompok “I”, 4
leksem pada kelompok “S” dan 1 leksem pada kelompok “C”, dengan asumsi semua kata
memiliki prioritas yang sama. Perhitungan tersebut menunjukan bahwa pengguna termasuk
dalam kategori “Dominance” dengan beberapa tambahan dari “Influence” dan “Steadiness”.

6. Kesimpulan dan Saran

Pengaruh dari Social Networks Sites (SNS) sangat berpengaruh pada teknik yang dikembangkan
dalam text mining pada sosial media. Text mining Menyediakan cara yang efektif untuk
mengeksekusi dan memanfaatkan kumpulan data. Dalam penelitian ini, peneliti telah meninjau
teknik clustering yang digunakan untuk analisis jaringan sosial dan memetakan nya pada
kerangka yang disebut DISC.

Media sosial telah mengubah kebiasaan orang di seluruh dunia dan sekarang orang tampak lebih
nyaman untuk mengekspresikan diri mereka dengan kata-kata (tag) daripada menggunakan
pernyataan atau kalimat lengkap. Kata-kata (tag) ini membantu dalam menghasilkan tema yang
membantu peneliti dalam menarik kesimpulan kepribadian masing-masing dengan presisi
maksimum. Bantuan kata-kata (tag) bisa menjadi alat yang sangat berguna di sejumlah area lain
seperti pemasaran, promosi, periklanan, penjualan, aplikasi IT dan studi antropologi dll. Peneliti
menggundang peneliti lain untuk membahas yang lebih jauh kedepan. mengambil inisiatif untuk
memperkaya ilmu pengetahuan, dan membawa masalah ini lebih jauh dengan menjelajahi
dimensi-dimensi baru.