Perancangan Dan Implementasi Sistem Informasi Monitoring Respon Netizen Terhadap Universitas Al Asyariah Mandar Berbasis Web

Main Article Content

Aslam Mardin
Muslihan Muslihan
Syarli Syarli

Abstract

Media sosial menjadi sarana bagi masyarakat untuk menyampaikan pendapat dan memberikan penilaian terhadap berbagai isu, termasuk terhadap institusi tertentu. Banyaknya respon dan opini yang tersebar di media sosial menyebabkan proses pemantauan secara manual menjadi sulit dilakukan. Oleh karena itu, penelitian ini bertujuan untuk merancang dan membangun Sistem Informasi Monitoring Respon Netizen Berbasis Web guna mengetahui penilaian netizen berdasarkan kata kunci tertentu. Metode penelitian yang digunakan adalah metode Waterfall yang meliputi tahapan analisis kebutuhan, perancangan sistem, implementasi, dan pengujian. Sistem dikembangkan menggunakan bahasa pemrograman PHP dan memanfaatkan API Twitter sebagai sumber pengambilan data. Data tweet dikumpulkan berdasarkan kata kunci “UNASMAN”, “Sulbar”, dan “Polewali”, kemudian dianalisis untuk mengelompokkan respon netizen ke dalam kategori positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa sistem yang dikembangkan berhasil terhubung dengan API Twitter dan mampu menampilkan informasi tweet berdasarkan kata kunci secara terstruktur melalui media web. Sistem ini dapat membantu pengguna dalam memantau respon netizen serta menjadi bahan evaluasi dan pendukung pengambilan keputusan.


 

Downloads

Download data is not yet available.

Article Details

Section
Articles
Author Biography

Aslam Mardin, Universitas Al Asyariah Mandar

Jurusan Sistem Informasi, Ilmu Komputer

References

[1] F.-G. Filip, “MANAGEMENT INFORMATION SYSTEMS: Managing the Digital Firm - 9th edition, authors: Keneth C. Laudon and Jane P. Laudon (Book Review),” International Journal of Computers Communications & Control, vol. 2, no. 1, p. 103, 2007, doi: 10.15837/ijccc.2007.1.2342.
[2] “RANCANGAN PROFIL LULUSAN MASA DEPAN BAGI PENDIDIDIKAN TINGGI AGROINDUSTRI,” Jurnal Teknologi Industri Pertanian, pp. 211–219, 2021, doi: 10.24961/j.tek.ind.pert.2021.31.2.211.
[3] A. M. Kaplan and M. Haenlein, “Users of the world, unite! The challenges and opportunities of Social Media,” Bus Horiz, vol. 53, no. 1, pp. 59–68, 2010, doi: 10.1016/j.bushor.2009.09.003.
[4] R. Darmawan and N. D. Antasari, “PENGARUH ETIKA BERMEDIA SOSIAL TERHADAP INTERAKSI ONLINE DI SMK NEGERI 5 KOTA TANGERANG,” Jurnal Pengabdian Masyarakat Nasional, vol. 5, no. 1, p. 80, 2025, doi: 10.22441/pemanas.v5i1.33621.
[5] “Analisis Komunikasi Konflik Netizen dalam Pemaknaan Feminisme pada ‘Thread Bekal Buat Suami,’” Jurnal Interaksi : Jurnal Ilmu Komunikasi, vol. 5, no. 2, 2021, doi: 10.30596/interaksi.v5i2.5899.
[6] S. Kiyak, D. De Coninck, S. Mertens, and L. d’Haenens, “From the Syrian to Ukrainian refugee crisis: Tracing the changes in the Italian Twitter discussions through network analysis,” Communications, 2024, doi: 10.1515/commun-2024-0023.
[7] B. A. Laelatus Syifa, H. Efendi, and I. Khalid, “TRANSPARANSI KOMUNIKASI PUBLIK DINAS KOMUNIKASI DAN INFORMATIKA KABUPATEN LOMBOK TENGAH DALAM MENYAMPAIKAN INFORMASI (STUDI KASUS: BIDANG PENGELOLA INFORMASI DAN KOMUNIKASI PUBLIK),” QAULUNA: JURNAL DAKWAH DAN SOSIAL, vol. 1, no. 2, pp. 106–117, 2023, doi: 10.51806/qauluna.v1i2.1085.
[8] E. Cambria and B. White, “Jumping NLP Curves: A Review of Natural Language Processing Research [Review Article],” IEEE Comput Intell Mag, vol. 9, no. 2, pp. 48–57, 2014, doi: 10.1109/mci.2014.2307227.
[9] S. Minaee, N. Kalchbrenner, E. Cambria, N. Nikzad, M. Chenaghlu, and J. Gao, “Deep Learning--based Text Classification,” ACM Comput Surv, vol. 54, no. 3, pp. 1–40, 2021, doi: 10.1145/3439726.
[10] Muslihan, S. Sahibu, and I. Taufik, “Analisis Tren Penelitian Neuro Linguistic Programming Menggunakan Pendekatan Automatic Text Annotation,” Journal Peqguruang: Conference Series, vol. 6, no. 1, p. 380, Aug. 2024, doi: 10.35329/jp.v5i2.4857.
[11] S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.
[12] T. Krisdiyanto, “Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers,” Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi, vol. 7, no. 1, p. 32, 2021, doi: 10.24014/coreit.v7i1.12945.
[13] Abd. A. Syam, G. Hardy M, A. Salim, D. F. Surianto, and M. Fajar B, “ANALISIS TEKNIK PREPROCESSING PADA SENTIMEN MASYARAKAT TERKAIT KONFLIK ISRAEL-PALESTINA MENGGUNAKAN SUPPORT VECTOR MACHINE,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 3, pp. 1464–1472, 2024, doi: 10.29100/jipi.v9i3.5527.
[14] F. S. Sholihuda, B. Yuwono, and H. C. Rustamadji, “PEMANFAATAN TEXT MINING PADA SISTEM PENGOLAHAN SKRIPSI MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER DAN SIMPLE ADDITIVE WEIGHTING,” Telematika, vol. 17, no. 2, p. 120, 2020, doi: 10.31315/telematika.v1i1.3379.
[15] A. Hermawan, I. Jowensen, J. Junaedi, and Edy, “Implementasi Text-Mining untuk Analisis Sentimen pada Twitter dengan Algoritma Support Vector Machine,” JST (Jurnal Sains dan Teknologi), vol. 12, no. 1, pp. 129–137, 2023, doi: 10.23887/jstundiksha.v12i1.52358.
[16] B. Ifan Etikamena, K. Auliasari, and M. Orisa, “ANALISIS SENTIMEN DI MEDIA SOSIAL TERHADAP KEBIJAKAN EFISIENSI ANGGARAN MENGGUNAKAN METODE RANDOM FOREST,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 6, pp. 10683–10690, 2025, doi: 10.36040/jati.v9i6.15464.