Era media sosial telah mengubah banyak hal. Tidak seperti era media massa sebelumnya, kini masyarakat lebih banyak berkomunikasi, menyampaikan pendapat, atau bahkan mendapatkan berita melalui media sosial. Hanya dengan segelintir platform media sosial saja, ada banyak hal yang bisa dilakukan oleh masyarakat (netizen). Mengikuti perkembangan saat ini, penelitian sosial juga banyak diilhami dari apa yang terjadi di media sosial. Perdebatan politik (Zempi & Rahayu, 2019), aktivisme (Guerrero-Pico, 2017), dan protes yang kemudian membentuk pergerakan atau opini di media sosial (JongHwa Lee et al., 2022) seringkali dijadikan objek dalam penelitian sosial.
Salah satu media sosial, Twitter, sempat populer di kalangan peneliti sebagai medium untuk mendapatkan akses data (sebelum berubah nama menjadi X). API Twitter memudahkan peneliti untuk melakukan penarikan data tweet netizen berdasarkan keyword atau hastagh tertentu dalam jumlah yang besar (Lewis SC, Zamith R, & Hermida A, 2013) . Fitur Twitter juga memudahkan peneliti untuk mengetahui isu apa yang sedang trending di kalangan netizen. Apa yang diperdebatkan dan opini apa yang netizen sampaikan terkait suatu isu yang sama kemudian bisa dijadikan bahan analisis bagi peneliti.
Namun, dalam penarikan data tweet juga memiliki batasan jumlah tertentu. Misalnya saja, penarikan data tweet melalui Netlytic memiliki batasan berdasarkan tingkatan akunnya. Maksimal penarikan data tweet untuk tier 2 sejumlah 10 ribu dataset atau tweet. Penarikan data ini bisa dilakukan dalam beberapa cara, seperti melalui programming language Phyton atau open source software Nodexl. Selain menentukan keyword atau hastagh, peneliti juga perlu mempertimbangkan tanggal penarikan data karena hal tersebut berkaitan dengan masa-masa trending dari suatu isu.
Riset Menggunakan Data Media Sosial
Dalam penelitian (Kashifurahman & Chasana, 2023) misalnya. Peneliti menggunakan data twitter untuk melihat bagaimana komunikasi yang dilakukan organisasi di media sosial Twitter terkait krisis yang dialami dan opini publik terhadapnya. Dalam penelitiannya, peneliti melakukan penarikan data menggunakan machine learning, Rapidminer, dengan kata kunci tertentu yang mewakili krisis tersebut. Penarikan data dibatasi dalam jangka waktu tertentu dengan mempertimbangkan waktu naiknya perbincangan terkait kasus tersebut dan respon yang muncul dari organisasi. Duplikasi tweet dan tweet yang menyertakan link dihilangkan oleh peneliti sebagai batasan.
Analisis dibedakan menjadi 2 sisi yaitu sisi organisasi dan sisi publik. Tweet dari organisasi digunakan untuk menganalisis tipe krisis dan kategori respon yang muncul. Sementara itu, tweet dari netizen digunakan untuk menganalisis tipe krisis untuk melihat bagaimana publik menganggap krisis yang terjadi pada organisasi.
Dalam penelitian sosial yang menggunakan Big Data biasanya peneliti tidak hanya menjelaskan perolehan data secara kuantitatif saja namun data tersebut kemudian dianalisis berdasarkan teori sosial yang digunakan. Seperti penelitian di atas yang melakukan analisis data dengan Situational Crisis Communication Theory atau SCCT. SCCT digunakan untuk melihat bagaimana komunikasi yang dilakukan organisasi ketika krisis dan opini publik terhadapnya.
Lebih dari itu, penelitian Big Data saat ini tidak hanya terbatas pada analisis isi saja namun menggunakan metode analisis sentimen atau social network analysis. Penelitian sentimen dan social network analysis sangat cocok untuk menganalisis isu krisis organisasi dan perdebatan politik. Analisis sentimen bisa digunakan ketika peneliti ingin melihat bagaimana opini publik terhadap suatu isu. Apakah cenderung positif menanggapi isu tersebut atau justru isu tersebut memicu opini negatif dari netizen. Dalam penelitian yang sedang dilaksanakan penulis dengan peneliti lainnya dalam Pusat Studi Informatika Sosial ini, analisis sentimen digunakan untuk melihat bagaimana kecenderungan pengguna Instagram dalam beropini seputar krisis yang terjadi. Beberapa postingan organisasi selama krisis dipilih berdasar respon yang penting. Kemudian, peneliti mengambil sampel komentar pengguna Instagram pada postingan tersebut. Komentar pengguna Instagram akhirnya dianalisis menggunakan analisis sentimen untuk melihat kecenderungan opini mereka.
Sementara itu, social network analysis bisa digunakan untuk melihat jaringan sosial yang terbentuk dalam hastagh atau keyword tertentu. Termasuk untuk mengetahui aktor yang berbicara terkait isu tersebut. Penulis juga sedang melakukan penelitian menggunakan social network analysis untuk melihat bagaimana jaringan sosial yang terbentuk dalam aktivisme fans terkait krisis organisasi yang diangkat ke media sosial Twitter. Metode SNA juga membantu peneliti untuk melihat aktor teratas dalam perbincangan. Aktor tersebut merupakan akun yang paling sering di retweet oleh pengguna Twitter lainnya. Analisis tersebut dapat dilakukan dengan bantuan software visualisasi, Gephi. Setelah melakukan penarikan data menggunakan Netlytic, peneliti kemudian membuang data yang berupa iklan dan data dengan bobot informasi 0. Kurasi kemudian dilanjutkan dengan melakukan visualisasi jaringan menggunakan software Gephi. Analisis secara sosial juga dilakukan untuk membahas opini publik lebih jauh.
Media sosial X atau Twitter, memang sangat cocok sebagai data penelitian karena medianya berbasis teks. Tidak seperti media sosial lain yang berbasis foto dan video. Meskipun kebijakan Twitter saat ini telah berubah, penelitian Big Data sebenarnya masih dapat dilakukan. Netlytic masih dapat menarik data dari kolom komentar media sosial Youtube. Dalam keterangannya, Netlytic akan mengumpulkan komentar level teratas dengan lebih dari 5 balasan.
Selain itu, media sosial Instagram juga dapat digunakan untuk penelitian Big Data seperti yang telah disebutkan di atas. Namun sejauh penelitian yang pernah dilakukan penulis, pengambilan data komentar netizen di Instagram dilakukan secara manual. Maka dari itu, penelitian terkait media sosial Instagram hanya dapat dilakukan jika akun Instagram tersebut memiliki audience enggagement yang tinggi. Ketika komentar yang didapatkan akun sangat tinggi, peneliti bisa menggunakan data tersebut untuk dianalisis.
Penulis : Rona Rizkhy Bunga Chasana
Referensi
Kashifurahman, Gilda & Rona Rizkhy Bunga Chasana (2023). Komunikasi Krisis Organisasi Dan Opini Publik (Analisis Situational Crisis Communication Theory Tweet Netizen Dan DJP Dalam Kasus Perilaku Hedonism Oknum Pegawai Pajak). Skripsi, Universitas Muhammadiyah Surakarta.
Guerrero-Pico, M. (2017). #Fringe, Audiences, and Fan Labor: Twitter Activism to Save a TV Show From Cancellation. International Journal of Communication, 11, 2071–2092.
JongHwa Lee, E., Oh, C., & Kim, Y.-C. (2022). The Candlelight Movement, Democracy, and Communication in Korea. Routledge.
Lewis SC, Zamith R, Hermida A (2013) Content analysis in an era of big data: A hybrid approach to computational and manual methods. Journal of Broadcasting & Electronic Media 57(1): 34–52.
Zempi, C. N., & Rahayu. (2019). Social Media in the Anticorruption Movement: Social Network Analysis on the Refusal of the “Koruptor Boleh Nyaleg” Decision on Twitter. Jurnal Komunikasi Indonesia, VIII(2), 92–103.