Prediksi Penyebaran Informasi di Twitter dengan Metode Pembelajaran Mesin dengan Fitur Linimasa

Abstract

— Social Media Network has been an important information source, and the information propagation within the network gave an impact on politics, marketing, and entertainment industry. Our aim is to predict a tweet whether the information will be propagated further. The previous research has focused on analyzing this task with a wide range of learning methods and features, such as content and account features. Timeline features are proposed as features that can further predict information propagation and as we compared the performance with content and account features. The dataset consists of 43.229 tweets, we predict the information propagation with logistic regression, support vector machines, and random forest learning method with these features. Our result indicates that the timeline feature can be a good candidate for predicting information propagation and the random forests learning method consistently performs better. From the training result, we further calculate feature importance. Recently tweets, engagement with another user and previous liked tweets on the timeline features contributed to more popular tweets.

Penyebaran Informasi melalui Thread Berita di Twitter oleh Mahasiswa S-1 Program Studi Ilmu Perpustakaan Universitas Diponegoro

“…Twitter sendiri adalah salah satu bentuk microblogging sebagai wadah untuk menyiarkan berita dari berbagai macam bidang dengan singkat sehingga dapat dengan cepat tersebar dengan aktivitas yang ditampilkan pada timeline Twitter (Haryadi & Suteja, 2021). Dalam penemuan milik Zhao dan Rosson (2009) mengidentifikasikan lima motivasi utama melakukan microblogging, yaitu: (1) Mempertahankan hubungan dengan rekan dan teman, (2) Mempromosikan hal menarik dalam suatu jaringan milik pengguna, (3) mengumpulkan informasi yang bermanfaat terhadap minat individu atau sesuai dengan bidangnya, (4) meminta bantuan dan pendapat, serta (5) melepaskan emosional individu.…”

“…Penelitian sebelumnya terkait penyebaran informasi di Twitter telah dilakukan oleh Haryadi & Suteja (2021) mengenai bagaimana fitur timeline dapat memprediksi persebaran informasi dengan fitur konten dan fitur akun sebagai pembanding. Hasil penelitian ini mengungkapkan bahwa tweettweet terbaru, engagement dengan pengguna lain dan juga tweet yang telah disukai muncul pada fitur timeline dapat mempengaruhi sebuah tweet menjadi populer dan naik ke permukaan dengan cepat.…”