CALL FOR PAPERS

In 2022, we have indexed by SINTA 5. We will publish high-quality original/research articles only with a plagiarism limit of up to 25%. And also, references must be using Mendeley. We intend to improve the high standards of excellence, visibility, and further development of the Journal.

Vol 6, No 2 (Dec 2023)
📍 Submission: July - Sept 2023
📝 Review: August - Nov 2023
📆 Publish: Dec 2023

Fee Publication: IDR 300K

🔎 Journal Link
http://jurnal.usahid.ac.id/index.php/accounting/index

🔎Author Guidelines Link
http://jurnal.usahid.ac.id/index.php/accounting/about/submissions#authorGuidelines

🔗 Journal Template Link
https://docs.google.com/document/d/1GZOOoj1XPEHbvI6iYwul_9JLSQqAET6b/edit

📲 Contact Editorial
Euis Widiati - 087781136077
Ani Siska - 081399264689

Persyaratan Pengajuan Proposal OR IPSH 2024
1. SDM Iptek Aktif BRIN dan harus ada anggota dari OR IPSH
2. Kepakaran dan rekam jejak penelitian sesuai proposal yang diajukan
3. Satu (1) SDM Iptek maksimum hanya satu (1) proposal dalam satu skema (Ketua-anggota/ anggota-anggota)
4. Ketua/Peneliti Kepala diutamakan berpendidikan S2 (magister)
5. SDM Iptek (program degree by research BRIN) dapat mengajukan proposal
6. Empat hingga enam (4-6) orang SDM Iptek didukung multidisiplin / keahlian
7. Dianjurkan melibatkan lebih dari satu unit kerja (Pusat Riset) di BRIN
8. Penelitian yang berkolaborasi dengan peneliti asing dan peneliti/akademisi diaspora Indonesia akan diutamakan
9. Dapat melibatkan periset anggota dari luar BRIN sesuai kebutuhan kepakaran (tidak lebih dari 50% dari jumlah anggota tim)
10. Dapat menarik berbagai sumber pendanaan (multi sources funding scheme) dan / atau kemitraan pihak luar BRIN
11. Mempunyai keluaran sesuai dengan yang ditentukan.

Di tengah era digital yang semakin maju, kehidupan sosial kita telah bertransformasi secara radikal. Platform digital seperti media sosial, forum online, dan blog telah menjadi arena baru di mana interaksi sosial berlangsung. Karena perubahan ini, muncul kebutuhan untuk memahami bagaimana teknologi mempengaruhi perilaku sosial dan budaya kita. Dalam konteks ini, netnografi digital, yang merupakan adaptasi dari etnografi tradisional ke ruang digital, menawarkan wawasan penting.

Apa itu Netnografi Digital?

Netnografi digital adalah metodologi penelitian yang menggunakan prinsip etnografi—studi mendalam tentang orang dan budaya—dan menerapkannya pada konteks komunitas online. Konsep ini pertama kali diperkenalkan oleh Robert Kozinets pada akhir 1990-an dan telah berkembang menjadi alat utama dalam riset kualitatif. Melalui netnografi, peneliti dapat mengamati, menganalisis, dan berinteraksi dengan perilaku alami peserta tanpa gangguan fisik, memberikan pemahaman mendalam tentang dinamika sosial yang terjadi di internet.

Kegunaan Netnografi di Masyarakat Modern

• Menjelajahi Perilaku Konsumen. Dalam pemasaran dan riset pasar, netnografi menjadi sangat berharga karena memungkinkan merek untuk mendengarkan dan memahami percakapan konsumen tentang produk atau jasa mereka secara real-time. Ini memberikan insight tentang preferensi konsumen, tren, dan masalah produk yang mungkin tidak terungkap melalui survei atau wawancara tradisional.
• Memahami Perubahan Sosial dan Budaya. Netnografi memungkinkan peneliti untuk menangkap dan menganalisis perubahan nilai dan norma sosial yang sering kali muncul pertama kali dalam diskusi online. Misalnya, penelitian tentang bagaimana komunitas online bereaksi terhadap isu-isu sosial seperti perubahan iklim atau kesetaraan gender dapat memberikan wawasan tentang pergeseran sikap sebelum hal itu menjadi jelas di masyarakat umum.
• Mengungkap Subkultur. Internet adalah habitat alami bagi subkultur yang mungkin tidak terlihat atau mudah diakses oleh peneliti menggunakan metode konvensional. Dari penggemar genre musik tertentu hingga kelompok aktivisme, netnografi memungkinkan studi tentang komunitas ini dalam skala yang lebih luas.

Metodologi Penelitian Netnografi

Proses netnografi melibatkan beberapa langkah kunci:

• Pemilihan Situs. Peneliti harus memilih platform online yang paling relevan dengan topik penelitian mereka. Ini bisa berupa media sosial, forum, atau blog tergantung pada fokus studi.
• Pengumpulan dan Analisis Data. Data yang dikumpulkan dalam netnografi biasanya berupa teks, gambar, dan video yang dihasilkan pengguna. Metode analisis bisa berupa analisis isi kualitatif, kuantitatif, atau kombinasi keduanya, tergantung pada tujuan penelitian.
• Etika Penelitian. Salah satu tantangan utama dalam netnografi adalah etika, terutama berkaitan dengan privasi. Peneliti harus memastikan bahwa mereka memiliki izin untuk menggunakan data dari forum atau grup online, dan bahwa identitas pribadi tidak terungkap tanpa persetujuan.

Tantangan dalam Penelitian Netnografi

• Kecepatan Perubahan Media Digital. Kecepatan di mana platform digital berkembang dapat membuat hasil penelitian cepat usang. Oleh karena itu, netnografi membutuhkan fleksibilitas dan kemampuan untuk beradaptasi dengan perubahan teknologi.
• Bias dalam Data. Data yang dihasilkan dari interaksi online bisa jadi tidak sepenuhnya mencerminkan populasi yang lebih luas karena tidak semua demografi aktif secara online dengan cara yang sama. Ini bisa mengarah pada bias dalam penelitian.
• Isu Privasi dan Anonimitas. Mengelola privasi dan anonimitas merupakan aspek kritikal dalam etika netnografi. Peneliti harus memastikan bahwa mereka menghormati hak-hak partisipan dan beroperasi sesuai dengan pedoman etika yang ketat.

Kesimpulan

Netnografi digital menawarkan cara yang kuat dan relevan untuk memahami masyarakat modern yang terus berkembang. Sebagai alat penelitian, netnografi mengungkapkan bagaimana digitalisasi telah mempengaruhi hampir setiap aspek kehidupan kita. Dengan memanfaatkan teknologi untuk mendengarkan dan memahami percakapan yang terjadi di ruang online, para peneliti dapat menangkap nuansa perilaku yang sebelumnya sulit untuk diamati. Melalui pendekatan etis dan sistematis, netnografi terus memberikan wawasan berharga tentang dinamika sosial dan budaya kita yang terus berubah.

Di tengah gejolak opini publik yang semakin kompleks, pemahaman tentang sentimen masyarakat menjadi kunci bagi organisasi, perusahaan, dan pemerintah untuk mengambil keputusan yang tepat. Dua pendekatan utama dalam menganalisis sentimen publik adalah melalui teknologi machine learning dan leksikon berbasis. Mari kita jelajahi keunggulan masing-masing dan bagaimana cara menggunakannya.

1. Analisis Sentimen Machine Learning:

Teknologi machine learning memungkinkan komputer untuk belajar dari data dan mengidentifikasi pola yang rumit tanpa perlu pemrograman yang eksplisit. Dalam konteks analisis sentimen, metode machine learning digunakan untuk mengklasifikasikan teks atau data yang mengandung sentimen positif, negatif, atau netral.

Keunggulan:
- Skalabilitas: Metode machine learning dapat menangani volume data yang besar dengan cepat dan efisien.
- Ketepatan: Dengan pelatihan yang tepat, model machine learning dapat menghasilkan prediksi sentimen yang akurat dan dapat diandalkan.
- Adaptabilitas: Model dapat ditingkatkan dan disesuaikan dengan mengintegrasikan data baru atau mengubah parameter.

Cara Menggunakan:
- Kumpulkan dan klasifikasikan data latihan berlabel.
- Pilih algoritma machine learning yang sesuai, seperti Naive Bayes, Support Vector Machines (SVM), atau Neural Networks.
- Latih model dengan data latihan dan validasi menggunakan data uji.
- Evaluasi kinerja model dan lakukan fine-tuning jika diperlukan.
- Terapkan model untuk menganalisis teks atau data baru.

2. Analisis Sentimen Berbasis Leksikon:

Pendekatan leksikon berbasis mengandalkan kamus atau daftar kata yang dikaitkan dengan sentimen tertentu, seperti positif, negatif, atau netral. Analisis sentimen leksikon berbasis mencocokkan kata-kata dalam teks dengan daftar kata dalam leksikon dan menghitung skor sentimen berdasarkan kata-kata tersebut.

Keunggulan:
- Transparansi: Metode ini mudah dipahami dan diinterpretasikan karena mengandalkan leksikon kata-kata yang sudah ditentukan.
- Efisiensi: Tidak memerlukan pelatihan model yang rumit, sehingga bisa diterapkan dengan cepat.

Cara Menggunakan:
- Pilih leksikon atau daftar kata yang sesuai dengan konteks dan bahasa Anda.
- Anotasikan teks dengan skor sentimen berdasarkan leksikon yang dipilih.
- Hitung skor sentimen keseluruhan berdasarkan kata-kata dalam teks.

Penerapan dalam Menganalisis Sentimen Publik:

- Media Sosial: Analisis sentimen digunakan untuk memantau dan memahami opini dan reaksi masyarakat terhadap merek, produk, atau isu tertentu di platform media sosial.
- Tinjauan Pelanggan: Perusahaan menggunakan analisis sentimen untuk mengevaluasi umpan balik pelanggan dan menemukan tren dan pola dalam pendapat dan preferensi pelanggan.
- Krisis Reputasi: Pemerintah dan organisasi mengandalkan analisis sentimen untuk memantau dan menanggapi krisis reputasi dengan cepat berdasarkan respon publik.

Dengan menggunakan kombinasi teknologi machine learning dan leksikon berbasis, organisasi dapat memperoleh wawasan yang lebih dalam tentang sentimen masyarakat dan mengambil langkah-langkah yang tepat dalam meresponsnya. Keberhasilan dalam menganalisis sentimen publik tidak hanya membutuhkan teknologi yang tepat, tetapi juga pemahaman yang mendalam tentang konteks dan tujuan analisis tersebut.