Penelitian ini berfokus pada analisis tindak tutur ekspresif yang muncul dalam kolom komentar akun Instagram @medantalk, dengan tujuan untuk memahami bagaimana pembicara mengekspresikan emosi, ...pendapat, atau reaksi terhadap informasi yang disajikan. Metode penelitian yang digunakan mencakup analisis isi untuk mengidentifikasi dan mengkategorikan komentar-komentar yang mencerminkan tindak tutur ekspresif, serta pendekatan kualitatif untuk menjelajahi konteks dan makna yang terkandung dalam ekspresi tersebut. Hasil penelitian ini adalah fungsi tuturan ekspresif yang ditemukan ada 6 yakni, (1) fungsi tuturan ekspresif berterimakasih, (2) fungsi tuturan ekspresif memberi selamat, (3) fungsi tuturan ekspresif meminta maaf, (4) fungsi tuturan ekspresif menyalahkan, (5) fungsi tuturan ekspresif memuji dan (6) fungsi tuturan ekspresif belasungkawa. Kesimpulan penelitian ini adalah tuturan yang paling banyak digunakan oleh penutur dalam kolom komentar Instagram @medantalk adalah fungsi tuturan ekspresif menyalahkan. Hal tersebut karena banyak masyarakat yang merasa dirugikan dengan kebijakan pemerintah dalam menaikan harga BBM. penelitian ini memiliki dua manfaat yaitu manfat praktis dan teortis. Secara praktis penelitian ini agar dapat memberikan wawasan untuk para pengguna media sosial khususnya Instagram diperlukan kesantunan berbahasa dalam mengekspresikan dirinya di kolom komentar Instagram agar tidak terjadi kesalah pahaman. Secara teoritis,penelitian ini bertujuan untuk memajukan disiplin ilmu linguistik, khususnya di bidang pragmatik dan sosiolinguistik, dan dapat menjadi model untuk studi mendalam di masa depan.
Tujuan dalam penelitian ini adalah untuk mengeksplorasi dan mengeloborasi bentuk tuturan direktif yang terdapat dalam komentar warganet pada postingan Instagram Nadiem Anwar Makarim Teori dalam ...penelitian ini menggunakan teori tuturan direktif yang dikemukakan oleh Searle dalam Chaer. Penelitian ini menggunakan pendekatan kualitatif dengan menerapkan metode analisis isi. Data yang digunakan dalam penelitian ini adalah seluruh tuturan yang terdapat di dalam tuturan direktif yang terdapat dalam komentar warganet pada postingan Instagram Nadiem Anwar Makarim. Kolom komentar Instagram @nadiemmakarim dengan judul “Seleksi Guru ASN PPPK” menjadi sumber data utama dalam perilaku bahasa yang memenuhi syarat sebagai tuturan direktif. Teknik pengumpulan data menggunakan teknik dokumentasi, teknik simak, dan teknik catat. Hasil penelitian menunjukkan bahwa tuturan yang terdapat dalam komentar warganet pada postingan Instagram @nadiemmakarim terdapat lima bentuk tuturan direktif yaitu, menyuruh, memohon, menuntut, menyarankan dan menantang. Berdasarkan hasil analisis data bisa disimpulkan jika tuturan direktif dalam media sosial Instagram yang dominan adalah direktif memohon. Hal tersebut karena banyak adalah postingan tentang seleksi guru ASN PPPK.
This article aims to describe the form of hate speech in netizen comments on the @obrolanpolitik Instagram account, and describe the function of hate speech in netizen comments on the @obrolanpolitik ...Instagram account. The approach used in this research is a qualitative approach and this type of research is descriptive qualitative. The data was obtained from the collection of utterances written by netizens in the IG account @obrolanpolitik. Data in the form of sentences containing hate speech were analyzed using pragmatic theory. The results show that hate speech can be grouped based on its form and function. Based on its form, hate speech is divided into 6, namely: (1) forms of humiliation, (2) forms of spreading false news, (3) forms of provocation, (4) forms of defamation, (5) forms of blasphemy, and (6) forms of incitement. Based on its function, hate speech is divided into 3, namely (1) the function of stating, (2) the function of commanding, and (3) the function of satirical. Hate speech forms are represented by lingual markers of words, phrases, and clauses. Abstrak Artikel ini bertujuan untuk mendeskripsikan bentuk tuturan kebencian dalam komentar warganet pada akun Instagram @obrolanpolitik, dan mendeskripsikan fungsi tuturan kebencian dalam komentar warganet pada akun Instagram @obrolanpolitik. Pendekatan yang digunakan dalam penelitian ini adalah pendekatan kualitatif dan jenis penelitian ini adalah deskriptif kualitatif. Data diperoleh dari pengumpulan tuturan yang ditulis oleh warganet dalam akun IG @obrolanpolitik. Data berupa tuturan yang mengandung tuturan kebencian dianalisis menggunakan teori pragmatik. Hasil penelitian menunjukkan bahwa tuturan kebencian dapat dikelompokkan berdasarkan bentuk dan fungsinya. Berdasarkan bentuknya, tuturan kebencian terbagi menjadi 6, yaitu: (1) bentuk penghinaan, (2) bentuk penyebaran berita bohong, (3) bentuk provokasi, (4) bentuk pencemaran nama baik, (5) bentuk penistaan, dan (6) bentuk penghasutan. Berdasarkan fungsinya, tuturan kebencian terbagi menjadi 3, yaitu (1) fungsi menyatakan, (2) fungsi memerintah, dan (3) fungsi menyindir. Bentuk-bentuk tuturan kebencian direpresentasikan oleh penanda lingual kata, frasa, dan klausa.
Perubahan Makna Kata Cebong Menjelang Pemilu 2019 Pebrianto, Marhan; Daniarsa, Hanna Latifani; Hielyand, Lo Leonardo Theophilus ...
LITE: Jurnal Bahasa, Sastra, dan Budaya,
10/2019, Letnik:
15, Številka:
2
Journal Article
Recenzirano
Odprti dostop
Menjelang dilaksanakannya pemilihan umum pada 17 April 2019, banyak fenomena sosial yang muncul. Salah satunya adalah fenomena Bahasa berupa umpatan-umpatan yang ditujukan kepada calon presiden ...dan pendukungnya. Salah satu umpatan yang muncul berupa penyebutan kata cebong bagi pasangan calon presiden nomor 01 dan pendukungnya. Kata cebong yang sebelumnya tidak umum digunakan sebagai kata umpatan, kini mengalami perubahan makna yang cukup signifikan. Dalam penelitian ini, peneliti mengguakan aplikasi AntConc untuk mengetahui kolokasi kelas kata dan frasa yang sering muncul dengan kata cebong tersebut. Selain itu, peneliti juga menjelaskan proses perubahan makna kata cebong dengan menggunakan teori dari (Chaer, 2009) sebagai acuan utama. Data yang digunakan berupa komentar dan caption pengguna Instagram dalam akun @Fakta_Elite dalam postingannya dari bulan Oktober hingga Desember 2018. Metode yang digunkan dalam penelitian ini adalah deskritif-kualitatif. Hasil penelitian menunjukkan bahwa kata cebong yang keluar sering bersamaan dengan kata benda berupa rezim, akun, kubu, dan sebagainya. Kata sifat yang muncul berupa dungu, betina, panik, dan frasa semisal cebong dungu akut. Proses perubahan kata cebong ini termasuk proses perubahan makna total yang dilatar belakangi oleh adanya proses asosiasi dan pengembangan istilah. Kata cebong tersebut bermakna ketidaksukaan atau kritik terhadap calon presiden nomor urut 01 dan para pendukungnya.
Bullying merupakan tindakan negatif yang dilakukan oleh orang lain secara terus menerus atau berulang. Tindakan ini kerap kali menyebabkan korban tidak berdaya, terluka secara fisik maupun mental. ...Tindakan bullying kini telah memasuki dunia sosial media. Instagram menjadi salah satu media sosial yang menjadi tempat terjadinya bullying melalui komentar pada foto/video yang diunggah oleh artis/selebgram. Salah satu cara mewaspadai tindakan bullying adalah dengan cara mengklasifikasi komentar yang bersangkutan di media sosial (dalam hal ini Instagram) menggunakan metode klasifikasi K-Nearest Neighbor (KNN). Jumlah data yang digunakan sebanyak 1000 data, dimana 500 merupakan bullying dan 500 tidak bully. Dengan adanya penelitian ini diharapkan dapat membantu seseorang untuk mengetahui perbedaan komentar bullying dan yang bukan bullying. Metode KNN telah diuji menggunakan 5 nilai k yang berbeda (7, 9, 11, 13, 15) dengan pembagian data 70:30, 80:20 dan 90:10 menggunakan confusion matrix, dengan masing-masing fold yang dibentuk 4, 5 dan 10 sehingga menghasilkan total 95 fold pengujian, pengujian ini menghasilkan akurasi rata-rata sebesar 58,83%. Akurasi tertinggi terdapat pada k 13 dengan perbandingan 90:10 data pada fold ke 6 yaitu sebesar 77%.
Komentar di Instagram sangat berharga, informatif dan sangat membantu. Bagi penjual komentar adalah fitur yang menunjukkan respons pengguna Instagram terhadap produk yang ditawarkan, dan melalui ...fitur komentar penjual dapat menemukan pelanggan yang potensial. Manfaat tersebut diperoleh apabila penjual melakukan analisis pada komentar di toko Instagram-nya. Sangat dimungkinkan untuk menganalisis secara manual apabila data komentar pada tokonya berjumlah sedikit namun apabila komentar yang dimiliki banyak maka akan lebih cepat apabila menggunakan sistem. Banyaknya spam dapat mengganggu informasi yang ada pada komentar, sehingga tidak menjamin banyaknya komentar pada sebuah posting-an maka banyak pula yang ingin membeli produk tersebut. Oleh karena itu dibutuhkan sistem yang bisa memfilter komentar agar penjual dapat menemukan pelanggan yang tepat untuk produknya. Penelitian ini menggunakan algoritma TF-IDF untuk mengklasifikasikan komentar ke dalam 2 kelas (potensial dan tidak potensial) dan memperoleh akurasi sebesar 80%, presisi 0,76 dan recall 0,94. Berdasarkan hasil penelitian pada 294 komentar, 27% di antaranya adalah komentar tidak potensial. Kata yang menunjukkan minat beli seseorang adalah “berapa”, ”kak”, ”ada”, dan ”tidak”, sedangkan kata dominan pada komentar tidak potensial adalah kata “mention” yang menunjukkan aktivitas mention.
Klasifikasi komentar spam pada Instagram (IG) hanya dapat digunakan oleh pengguna melalui sistem yang berjalan di sisi client, karena data IG tidak dapat dimanipulasi dari luar IG. Dibutuhkan sistem ...yang dapat memanipulasi data dari sisi client dalam bentuk browser extension. Penelitian ini berfokus pada pengembangan browser extension untuk Firefox yang memanfaatkan web services REST pada layanan cloud dengan platform Amazon Web Services (AWS). Browser extension yang dikembangkan menggunakan 2 algoritma klasifikasi, yaitu KNN dan Distance-Weighted KNN (DW-KNN). Extension ini mampu menandai komentar spam dengan mengubah Document Object Model (DOM) IG menjadi berwarna merah dengan dicoret (strikethrough). Metode pengembangan extension dilakukan dengan metode Rapid Application Development (RAD). Pengujian pada penelitian ini dilakukan pada hasil implementasi browser extension dan pengukuran akurasi web service (algoritma KNN & DW-KNN). Pengujian implementasi browser extension menggunakan metode pengujian fungsionalitas, dimana setiap fitur yang telah diimplementasikan diuji apakah sudah sesuai dengan spesifikasi yang telah ditentukan sebelumnya. Pengujian akurasi web service dilakukan dengan bantuan tool SOAPUI. Hasil pengujian extension adalah: (1) pengujian extension pada sembarang halaman web berhasil 100%, (2) pengujian pada halaman awal (default) IG berhasil 100%, (3) pengujian pada halaman profile suatu akun IG berhasil 100%, (4) pengujian pada suatu posting IG dan komentarnya, tidak selalu berhasil karena dipengaruhi oleh kemampuan algoritma pada web services, (5) pengujian untuk bahasa bukan Indonesia tidak selalu berhasil karena bergantung pada library bahasa, (6) pengujian untuk load more comments pada IG tidak selalu berhasil karena bergantung pada algoritma pada web services, dan (7) pengujian pilihan algoritma pada options extension berhasil 100%. Hasil akurasi rata-rata tertinggi algoritma KNN adalah 80% untuk k=1, sedangkan DW-KNN adalah 90% untuk k=2.
Popularitas Youtube sebagai website berbagi video terbesar di dunia memberikan celah kepada spammer untuk mendapatkan keuntungan dari Youtube dengan cara yang ilegal. Salah satu cara yang dilakukan ...adalah melakukan komentar spam pada video-video yang ada di Youtube. Komentar spam menjadi hal yang sangat meresahkan pemilik channel. Varian komentar spam kian banyak dan menyulitkan untuk dideteksi oleh Youtube. Peneliti melakukan evaluasi beberapa metode klasifikasi dengan menerapkan normalisasi teks pada tahap praproses menggunakan metode TextExpansion untuk mengatasi masalah ini. Dataset yang diuji adalah dataset Youtube Spam Collections dari UCI Machine Learning Library yang terdiri dari 5 dataset dari komentar yang diekstrak dari video Psy, Katy Perry, LMFAO, Eminem dan Shakira. Dataset terdiri dari 1005 komentar spam dan 951 komentar bukan spam. Hasil evaluasi menunjukkan TextExpansion mampu menghasilkan nilai akurasi tertinggi 90.23%. Untuk mengetahui pengaruh penerapan metode TextExpansion, peneliti melakukan uji beda t-test pada setiap dataset. Hasil uji beda t-test pada setiap dataset menunjukkan nilai P(T<=t) two-tail < 0.05 yang menunjukkan adanya pengaruh yang signifikan setelah diterapkan normalisasi teks menggunkan metode TextExpansion.
Avtorica v članku izhaja iz teze, da metaprocesi medijatizacije medijsko delovanje definirajo do mere, ko se »medijska logika« prilagodi politični agendi. Tezo preverja s kvalitativno analizo ...novinarskih komentarjev o evropski migracijski politiki, objavljenih v časopisu Delo (avgust–December 2015). Analiza pokaže, da je najbolj razpoznavna značilnost novinarskih komentarjev, da v problematiziranju evropske migracijske politike kot rešitev predlagajo iste migracijske politike (kvotni sistem, schengenski sistem, bilateralne dogovore med državami idr.). Ugotavlja, da se migracijske politike legitimizirajo s pomočjo komentatorstva, ki izpušča refleksijo nevladnih virov in se v veliki meri utemeljuje na evrocentričnem zamišljanju Evrope.
U radu se analiziraju diskursne strategije korisnika najposećenijih multimedijalnih portala na srpskom jeziku, koji imaju i svoja zemaljska izdanja. Povod za postavljanje komentara su novinarski ...tekstovi o „Predlogu deklaracije o zaštiti ustavnih i zakonskih prava autonomne pokrajine Vojvodine”, dokumentu koji nije bio, pre najave njegovog usvajanja, na širokoj javnoj raspravi. Internet je bio jedini, iako virtuelni, javni prostor, koji je građanima omogućio da iskažu svoje mišljenje o dokumentu. Osnovna istraživačka metoda je analiza medijskog diskursa. Jedinica analize je komentar korisnika sa svim pripadajućim elementima. Korpus čini ukupno 541 komentar postavljen na ukupno osam multimedijalnih portala. Analizom je uočeno da su netizensi, iako su ostavljali komentare na novinarske tekstove, zanemarili taj povod, iskoristili su tu šansu da bi otvorili javnu debatu u virtuelnom prostor-vremenu o kontroverznom političkom dokumentu. Identifikovano je ukupno četrnaest diskursnih strategija u sva četiri posmatrana perioda u aprilu 2013. Kontekst događaja o kojem su mediji izveštavali direktno je uticao na sadržaj i strategije koje su netizensi odabirali za postavljanje svojih komentara.