ANALISIS JARINGAN INFORMASI DALAM NATURAL LANGUAGE PROCESING TERHADAP SITUS CNN INDONESIA MENGGUNAKAN GRAPHGPT (STUDI KASUS : BERITA HASIL PILPRES 2024)

INDAH, MAYANG PUSPA (2024) ANALISIS JARINGAN INFORMASI DALAM NATURAL LANGUAGE PROCESING TERHADAP SITUS CNN INDONESIA MENGGUNAKAN GRAPHGPT (STUDI KASUS : BERITA HASIL PILPRES 2024). Other thesis, Universitas Bina Darma.

[img] Text (BAB 0)
BAB 0.pdf

Download (1MB)
[img] Text (BAB 1)
BAB 1.pdf

Download (464kB)
[img] Text (DAPUS)
DAPUS.pdf

Download (441kB)
[img] Text (ANALISIS JARINGAN INFORMASI DALAM NATURAL LANGUAGE PROCESING TERHADAP SITUS CNN INDONESIA MENGGUNAKAN GRAPHGPT (STUDI KASUS : BERITA HASIL PILPRES 2024))
LAPORAN HASIL_11zon (4).pdf
Restricted to Repository staff only

Download (4MB)
[img] Text (LAMPIRAN)
LAMPIRAN.pdf

Download (2MB)
[img] Text (ARTIKEL)
ARTIKEL_11zon (2).pdf

Download (1MB)

Abstract

Berita politik sering kali menyajikan informasi yang sangat kompleks, terutama terkait hasil pemilihan presiden, di mana entitas seperti kandidat, provinsi, dan partai politik saling terkait secara rumit. Permasalahan utama dalam memahami informasi ini adalah sulitnya memetakan hubungan antar�entitas secara efektif. Analisis jaringan informasi diperlukan untuk menyederhanakan dan memvisualisasikan hubungan ini, namun metode tradisional kurang efektif dalam mengungkap keterkaitan antar entitas politik. Oleh karena itu, penelitian ini dilakukan untuk mengatasi permasalahan tersebut dengan menggunakan GraphGPT, sebuah model yang menggabungkan kemampuan pemrosesan bahasa alami dengan visualisasi grafik untuk memetakan jaringan informasi hasil Pilpres 2024 dari berita CNN Indonesia. Hasil analisis menunjukkan dominasi pasangan Prabowo-Gibran yang memiliki degree centrality sangat tinggi (0.92), menunjukkan pengaruh politik yang besar secara nasional, sementara modularity (0.10) menunjukkan adanya dua komunitas politik yang terpisah antara pendukung Prabowo�Gibran dan Anies-Muhaimin. Namun, meski model ini berhasil memetakan hubungan secara luas, keterbatasan dalam akurasi data dan bias model menunjukkan perlunya validasi lebih lanjut. Penelitian ini memberikan kontribusi penting dalam menyederhanakan informasi politik yang kompleks melalui visualisasi jaringan informasi yang lebih mendalam dan efisien.

Item Type: Thesis (Other)
Uncontrolled Keywords: Pilpres 2024, Pemrosesan Bahasa Alami, GraphGPT, Jaringan Informasi, CNN Indonesia.
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Miss Marina Ina
Date Deposited: 15 Nov 2024 02:42
Last Modified: 15 Nov 2024 02:42
URI: http://repository.binadarma.ac.id/id/eprint/8346

Actions (login required)

View Item View Item