English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Plus monthly

Global: Zendy Tools annual

Global: Zendy Tools monthly

Global: Zendy Free Plan

Perkembangan media yang begitu pesat, memunculkan banyak media online dari media berita sampai media sosial. Media sosial saja sudah begitu banyak, dari Facebook, Twitter,  Instagram, Tumblr, Linkedin dan masih banyak lagi. Berdasarkan fakta yang ada dalam penerapannya sendiri untuk kehidupan sehari-hari sosial media sangat sering digunakan. Dampak positif internet dalam perkembangan information technology (IT) sebenarnya membawa banyak keuntungan, misalnya saja memudahkan dalam hal komunikasi, mencari dan mengakses informasi. Namun, terdapat dampak negatif dalam perkembangannya, yaitu contohnya dalam penyebaran berita hoax ataupun ujaran kebencian. Dengan menggunakan internet, dapat memperkuat atas suatu gagasan dan pendapat dalam suatu kelompok maupun individu pada situs web berita dan media sosial. Penelitian ini membahas tentang bagaimana melakukan analisa sentimen yang berasal dari tweet pengguna twitter tentang pemindahan ibukota Indonesia. Gagasan serta pendapat publik melalui twitter yang dalam jumlah besar, setidaknya dapat menganalisa secara global tentang sentimen pemindahan ibukota yang akan dilakukan di Indonesia. Penelitian ini menggunakan pelabelan otomatis menggunakan (Valence Aware Dictionary and sEntiment Reasoner) Vader dengan metode Naïve Bayes dan Support Vector Machine. Sehingga, dapat ditarik kesimpulan bahwa pelabelan pada setiap cuitan di twitter dapat dilakukan sehingga menghasilkan score pada dataset. Dan dari algoritma yang digunakan, algoritma Support Vector Machine menghasilkan nilai akurasi dan AUC yang paling baik yakni akurasi sebesar 76,40% dan AUC sebesar 0,771.

Penggunaan Algoritma Klasifikasi Terhadap Analisa Sentimen Pemindahan Ibukota Dengan Pelabelan Otomatis