Article Per Year (5 Year)
p-Index From 2020 - 2025
2.63
P-Index
This Author published in this journals
All Journal JUTI: Jurnal Ilmiah Teknologi Informasi Karya Ilmiah S.1 Ilmu Keperawatan Jurnal Teknologi Informasi dan Ilmu Komputer Briliant: Jurnal Riset dan Konseptual Business and Finance Journal Jurnal Tekinkom (Teknik Informasi dan Komputer) Jurnal Teknik Informatika (JUTIF) Journal Research of Social Science, Economics, and Management Sewagati
Agus Budi Raharjo
Unknown Affiliation
Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Dentistry Economics, Econometrics & Finance Education Engineering Environmental Science Languange, Linguistic, Communication & Media Library & Information Science Nursing Public Health Social Sciences Other

Published : 17 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Jurnal Teknologi Informasi dan Ilmu Komputer

 1 
Identifikasi Pengaruh Pandemi Covid-19 terhadap Perilaku Pengguna Twitter dengan Pendekatan Social Network Analysis Purwitasari, Diana; Apriantoni, Apriantoni; Raharjo, Agus Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 8 No 6: Desember 2021
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2021865213

Abstract

Pandemi COVID-19 yang berlangsung lama telah berdampak masif pada berbagai aktivitas publik, misalnya perilaku pengguna di media sosial. Twitter, media sosial yang fleksibel untuk berdiskusi dan bertukar pendapat, menjadi salah satu media populer dalam menyebarluaskan informasi COVID-19 secara dinamis dan up-to-date. Hal ini menjadikan twitter relevan sebagai media ekstraksi pengetahuan dalam mengidentifikasi perubahan perilaku pengguna. Kontribusi penelitian ini adalah menemukan perubahan perilaku pengguna twitter melalui analisis profil pengguna pada periode sebelum dan setelah COVID-19. Data yang digunakan adalah data tweet berbahasa Indonesia. Penelitian ini menggunakan pendekatan Social Network Analysis (SNA) sebagai ekstraksi informasi dalam menentukan aktor utama dan aktor populer. Kemudian, profil pengguna aktif dianalisis untuk mengidentifikasi perubahan perilaku melalui intensitas tweet, popularitas pengguna, dan representasi topik pembahasan. Popularitas pengguna dianalisis dengan pendekatan follower rank, sedangkan representasi topik pembahasan diekstraksi dengan metode Latent Dirichlet Allocation untuk mendapatkan dominan topik yang dibahas oleh setiap pengguna aktif. Tujuannya adalah untuk mempermudah  identifikasi pengaruh pandemi COVID-19 terhadap perubahan perilaku pengguna twitter. Berdasarkan hasil SNA, penelitian ini menemukan tiga aktor  kunci yang aktif pada periode sebelum dan setelah COVID-19. Selanjutnya, hasil analisis dari ketiga aktor tersebut menunjukkan adanya pengaruh pandemi COVID-19 terhadap perubahan perilaku pengguna twitter, yaitu kenaikan intensitas tweet sebesar 58% pada jam kerja, aktor utama yang didominasi oleh 60% pengguna dengan follower rendah, dan topik pembicaraan pengguna twitter yang dominan membahas COVID-19, hobi dan aktivitas di dalam rumah. AbstractThe long-lasting COVID-19 pandemic had a massive impact on public activities, such as user behavior on social media. Twitter, a flexible social media for discussing and exchanging opinions, has become popular in disseminating COVID-19  dynamic and up-to-date information. It makes twitter relevant as a medium of knowledge extraction in identifying user behavior changes. The contribution of this research is to find behavior changes of Twitter users through user profiles analysis in the before and after COVID-19 period. This data used is Indonesian-language tweets. This research used a Social Network Analysis (SNA) to determine the main actors and famous actors. Then, active user profiles were analyzed to identify behavior changes through tweet intensity, user popularity, and representation of the topic of discussion. User popularity was analyzed using a follower rank approach. At the same time, the representation of discussion topics was extracted using the Latent Dirichlet Allocation method to obtain dominant topics which each active user discusses. It aims to make it easier to identify the impact of the COVID-19 pandemic on Twitter user behavior changes. Based on the results of the SNA, this research found three key actors who were active in the before and after COVID-19 period. Then, the results of the analysis of these three user profiles shows that an influence of the COVID-19 pandemic on Twitter user behavior changes: an increase in tweet intensity by 58% during working hours, the leading actor was dominated by 60% of users with low followers, and the topic of Twitter users' conversation that it dominantly discuss COVID-19 issues, hobbies, and activities at home.
Jaringan Komunitas Berbasis Similaritas Topik Bahasan dan Emosi untuk Mengidentifikasi Perilaku Pengguna Twitter Apriantoni, Apriantoni; Purwitasari, Diana; Raharjo, Agus Budi
Jurnal Teknologi Informasi dan Ilmu Komputer Vol 10 No 1: Februari 2023
Publisher : Fakultas Ilmu Komputer, Universitas Brawijaya

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.25126/jtiik.2023106317

Abstract

Pandemi COVID-19 menyebabkan situasi krisis yang berdampak pada perubahan perilaku pengguna Twitter terkait pengalaman distres publik. Perubahan perilaku positif bisa berdampak positif. Namun, perubahan perilaku negatif bisa menjadi masalah jika terjadi secara masif, seperti meningkatnya kecemasan pengguna. Oleh karena itu, mengeksplorasi hubungan antara perilaku dan jaringan komunitas pengguna sangat penting untuk menemukan implikasi pandemi COVID-19 terhadap perubahan perilaku pengguna Twitter. Penelitian ini berkontribusi dalam mengidentifikasi perubahan perilaku pengguna berdasarkan model ekstraksi perilaku kolektif pada aktivitas tweet temporal. Mekanisme ini menggunakan topik bahasan dan emosi sebagai variabel ekstraksi untuk menghasilkan jaringan perilaku pengguna. Kemudian, jaringan perilaku tersebut dimodelkan dengan algoritma DeepWalk Network Embeddings untuk memetakan hubungan kedekatan perilaku antar pengguna dan Density Peak Clustering Algorithm untuk mengelompokkan komunitas pengguna berdasarkan kesamaan perilaku yang kuat. Dari analisis 121 pengguna aktif, periode sebelum COVID-19 memiliki 98 pengguna representatif yang didominasi oleh 33% perilaku komunitas terkait aktivitas pribadi dengan emosi senang. Di sisi lain, periode setelah COVID-19 memiliki 54 pengguna representatif yang didominasi oleh 65% perilaku komunitas terkait kesehatan dengan emosi marah. Perubahan perilaku kedua periode tersebut dipengaruhi oleh transisi pola jaringan terdistribusi ke pola jaringan clique graph, sehingga sentralisasi penyebaran informasi mempengaruhi potensi peningkatan perubahan perilaku pengguna pada jaringan komunitas. Hasil ini dapat digunakan untuk mengurangi potensi penyebaran perilaku negatif dengan memanfaatkan komunitas yang memiliki pengaruh perilaku positif dikalangan pengguna Twitter. AbstractThe COVID-19 pandemic caused a crisis that impacted behavior changes of Twitter users related to public distress experiences. Positive behavior changes could have a positive impact. However, negative behavior changes could have problems if it occur massively, such as increased user anxiety. Therefore, exploring the relationship between behavior and user community in the social networks is very important to find the implication of the COVID-19 pandemic on behavior changes of Twitter users. This study contributes to identify user behavior changes based on the collective behavior extraction model on temporal tweet activities. This mechanism used discussion topics and emotions as extraction variables to generate user behavior network. Then, the behavioral network was modeled by the DeepWalk Network Embeddings algorithm to map the behavioral closeness relationship between users and the Density Peak Clustering Algorithm to group user communities with strong behavioral similarities. Based on the analysis of 121 active users, before the COVID-19 period had 98 representative users, who were dominated by 33% of community behavior related to personal activities with happy emotions. On the other hand, after the COVID-19 period, 54 representative users were dominated by 65% of community behavior related to health with anger. Behavior changes in both periods are influenced by the transition from a distributed network pattern to a clique graph network pattern, so the centralization of information dissemination could affect the potential for increasing user behavioral changes in the community network. These findings could be used to reduce the potential for spreading negative behavior by leveraging communities with positive behavior influence among Twitter users.
Co-Authors Aji, Adam Sekti Apriantoni, Apriantoni Ardianto Ardianto Arifiani, Siska Budiyono, Yanuardhi Arief Diana Purwitasari Diana Purwitasari Dwi Heppy Rochmawati Dwi Sunaryono Fabroyir, Hadziq Fajar Baskoro Frangky Rawung Maheswari, Clarissa Luna Mohamed Quafafou Nugraha, Raditya Hari Purnomo - Ramadhan, Syahrial Ridho Rahman Hariadi Susanti, Lestari Indah Wakhid, Muhammad Abdul Yorinda, Ilham Achmadi