WITTERC ONTENT INC ASE OFB OYCOTTS ARIR OTI ON PRA -E
Analisis Konten Twitter Dalam Kasus….
Muhammad Rifqi Ma’arif
NALISIS ONTEN WITTER ALAM ASUS OIKOT ARI OTI ASKA ERISTIWA
A K T D K B S R P PKSI ELA SLAM
A BI
3 A NALISYS O F T WITTER C ONTENT IN C ASE OF B OYCOTT S ARI R OTI ON PRA -E
VENT OF
EFENDING SLAM
DI
3 Muhammad Rifqi Ma’arif
Program Studi Manajemen Informatika STMIK Jenderal A. Yani Yogyakarta Jalan Ring Road Barat, Banyuraden, Gamping, Sleman, Yogyakarta
Email: rifqi@stmikayani.ac.id
diterima tanggal 14 April 2017| direvisi tanggal 14 Juni 2017 | disetujui tanggal 16 Juni 2017
ABSTRACT
Defending Islam 3 is a biggest mass action that happened on pra-reform era. A many event which accompanies
that event after, which is interesting enough to be research further. One of event besides Defending Islam 3
event which have pretty much get the spotlight is a sari roti boycott after that event. It’s interesting because
sari roti is a famous bread brand and have biggest market in Indonesia. Twitter is a one of platform sosial
media which have largest user base in Indonesia. Twitter user in Indonesia. On this research, using simple
data sampling and analysis to get linked tweet against sari roti boycott. Have registered, no less 40,000 tweet
which was successfully collected within 6 days, from 22-27 December 2016.Keywords: Social Media, Twitter, Sari Roti Boycott, Defending Islam 3, Text Analysis
ABSTRAK
Aksi Bela Islam 3 merupakan salah satu aksi masa terbesar yang terjadi pasca reformasi. Banyak sekali peristiwa yang mengiringi aksi tersebut yang cukup menarik untuk diteliti lebih lanjut. Salah satu peristiwa pendamping Aksi Bela Islam 3 yang cukup banyak mendapatkan sorotan adalah peristiwa pemboikotan produk Sari Roti yang terjadi pasca aksi. Hal ini menarik karena Sari Roti merupakan salah satu brand yang cukup terkenal dan memiliki pangsa pasar yang sangat luas di Indonesia. Twitter merupakan salah satu platform media sosial yang memiliki basis pengguna yang sangat besar di Indonesia. Dalam penelitian ini pengumpulan dan analisis sederhana terhadap tweet yang terkait dengan aksi boikot Sari Roti. Tercatat, tidak kurang dari 40 ribu tweet berhasil dikumpulkan dalam kurun waktu 6 hari, mulai dari tanggal 22 sampai 27 Desember 2016.
Kata kunci: Media Sosial, Twitter, Boikot Sari Roti, Aksi Bela Islam 3, Analisis Teks.
Banyak sekali peristiwa-peristiwa menarik I.
PENDAHULUAN
yang mengiringi peristiwa tersebut baik pra Peristiwa Aksi Bela Islam 3 yang terjadi pada maupun pasca aksi. Salah satu peristiwa yang tanggal 2 Desember 2012 merupakan salah satu terjadi setelah Aksi Bela Islam 3 adalah aksi masa dengan jumlah peserta terbesar yang pemboikotan oleh para peserta aksi maupun pernah terjadi di Indonesia. Peristiwa tersebut simpatisan aksi tersebut terhadap produk Sari Roti. merupakan lanjutan dari Aksi Bela Islam 1 dan
Peristiwa pemboikotan tersebut bermula dari Pers Aksi Bela Islam 2 yang terjadi sebelumnya. Ketiga
Release produsen Sari Roti yang menyatakan peristiwa tersebut muncul karena kasus dugaan bahwa pembagian produk sari roti gratis oleh para penistaan agama oleh salah satu pejabat pedagang keliling bukan merupakan kebijakan berpengaruh di lingkungan pemerintah daerrrah resmi dari perusahaan. Lebih lanjut, pihak DKI Jakarta. manajemen Sari Roti juga menuliskan statement
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
pada pers release yang pada intinya pihak Sari Roti tidak terlibat kedalam kegiatan politik apapun. Pro dan kontra pemboikotan produk Sari Roti sangat ramai ditemukan sosial media, tidak terkecuali di situs microblogging Twitter.
Twitter, bersama dengan Facebook dan Youtube, merepresentasikan perkembangan yang cukup pesat dari Web 2.0 atau aplikasi sosial media. Dalam beberapa tahun tersakhir sejak kemunculannya di tahun 2006, platform mikroblogging Twitter menjadi salah satu platform sosial media dengan perkembangan yang paling pesat. Lebih dari 75% perusahaan yang masuk dalam The Fortune Global 100 memiliki satu atau lebih akun Twitter korporasi maupun untuk branding produk secara spesifik (Malhotra et.al, 2012).
Indonesia, bersama Amerika Serikat, Brazil, Inggris Raya, dan Jepang merupakan Negara dengan basis pengguna Twitter terbesar di dunia (Takhyetev et.al, 2012). Dengan basis penggunanya yang sangat besar, Twitter Indonesia cukup reactive dengan berbagai macam berita yang beredar di Internet. Hal tersebut membuat opini masyarakat yang diunggah ke Twitter atau lebih dikenal dengan sebutan tweet, memiliki akurasi yang cukup tinggi apabila digunakan untuk memonitor perkembangan suatu isu atau peristiwa.
Terkait dengan hal tersebut, maka penelitian ini bertujuan untuk mengeksplorasi bagaimana pesan- pesan atau reaksi-reaksi yang muncul dari unggahan ataupun pernyatan masyarakat di sosial media khususnya Twitter dalam merespon himbauan pemboikotan produk Sari Roti.
Dalam beberapa tahun terakhir, Twitter menjadi sumber data yang sangat popular untuk berbagai macam keperluan, mulai dari aplikasi yang bersifat praktis sampai penelitian akademis.
Sebagai sebuah platform media sosial, Twitter menjadi sarana yang sangat menjanjikan untuk meneliti perilaku dari masyarakat (public behavior) khususnya para pengguna internet (netizen). Contoh pertama dari penelitian public behavior adalah penelitian yang dilakukan oleh Imtiyazi et.al (2016), dengan mengamati penggunaan kata dan asosiasi kata pada unggahan netizen di Twitter (tweet) untuk melihat trend yang terjadi terkait dengan pemilihan kepala daerah (Pilkada) serentak di tahun 2016. Penelitian lain dilakukan oleh Burges & Matamoros-Fernandez (2016) yang menggunakan Twitter untuk mengamati kontroversi sosiokultural yang terjadi di kalangan netizen dalam meresp on peristiwa “Gamer Gate” di Australia. Hal yang hamper sama juga dilakukan oleh Dragiawich & Burges (2016) untuk mengamati respon publik terhadap sebuah tayangan di televisi yang kontroversial. Sementara itu penelitian lain yang dilakukan oleh Alamsyah et.al (2016) mengamati respon masyarakat terhadap iklan/promosi yang dilakukan oleh perusahaan telekomunikasi di Indonesia.
Selain digunakan untuk meneliti public behavior secara langsung. Twitter sebelumnya juga sudah banyak digunakan untuk penelitian di banyak bidang. Arias (2014) dan Feldman (2013) menggunakan data tweet untuk melakukan perkiraan (forecasting) harga saham (stock). Dickey (2014), membuat model berbasis algoritma machine learning dengan data tweet untuk melakukan analisis trend secara real-time. Sementara itu Maholtra et al (2012), menggunakan data tweet untuk brand management. Twitter juga memiliki pengaruh luas pada penelitian di wilayah akademis. Data tweet banyak digunakan untuk
Analisis Konten Twitter Dalam Kasus….
Muhammad Rifqi Ma’arif
penelitian di bidang keuangan (Bollen et al, 2011), kesehatan (Park et al, 2013), sistem informasi (Aral et al, 2013). Selain itu bidang-bidang seperti ilmu komunikasi (Zappavigna, 2011), politics (Gayo- Avello, 2012) dan journalism (Lasorsa et.al., 2012), juga sudah secara intensif memanfaatkan Twitter sebagai sumber data.
Penelitian ini adalah penelitian deskriptif kuantitatif, yang bertujuan untuk menjelaskan fenomena yang terjadi dari suatu peristiwa dengan menggunakan angka-angka ataupun rasio berdasarkan angka-angka tersebut. Adapun data yang digunakan dalam penelitian ini adalah data unggahan ataupun pernyataan masyarakat di Twitter yang terkait dengan pemboikotan produk sari roti. Adapun sampel data yang digunakan adalah pernyataan yang diunggah oleh pengguna Twitter pada tanggal 22
- – 27 Desember 2016 yang menggandung kata “Sari Roti”. Jumlah data sampel yang digunakan dalam penelitian ini berjumlah 40.105 tweet/unggahan.
dengan sumber data yang berasal dari tweet yang diunggah oleh pengguna/masyarakat ke Twitter. Penelitian dimulai dengan proses pengambilan data (tweet) yang sesuai dengan topik yang akan diteliti. Tahapan selanjutnya adalah melakukan pra-proses (preprocessing) terhadap data yang berhasil dikumpulkan. Tahapan terakhir adalah melakukan analisis konten pada data yang ada. Analisis konten yang dilakukan mencakup dua hal, yaitu analisis kemunculan kata dan analisis kemunculan co-occurrence kata (kata-kata yang muncul secara bersamaan).
Pesan atau opini yang diunggah pengguna (suatu akun) ke Twitter disebut dengan tweet. Tweet pada umumnya berupa sekumpulan text yang oleh Twitter dibatasi panjangnya hingga 140 karakter termasuk spasi. Ada tiga tipe tweet dalam Twitter: original tweets, replies, dan retweets. Original tweet, adalah tweet ditulis dan diunggah sendiri oleh suatu akun, dan tidak berhubungan secara langsung dengan tweet lain saat pertama kali diunggah. Replies adalah tweet yang ditulis untuk membalas tweet yang sudah lebih dahulu ada. Sementara retweet adalah, aktivitas menduplikasi/mengulangi tweet yang sudah ada (Twitter, 2013).
II. METODE PENELITIAN
Tweet yang diunggah pada Twitter terdiri dari tiga bagian dasar dari suatu tweet adalah: Nama akun yang mengunggah tweet, teks yang merupakan inti pesan, serta hashtag. Hashtag yang ditulis dengan simbol # digunakan untuk mengindeks kata kunci atau topik di Twitter. Fungsi ini dibuat di Twitter dan memungkinkan pengguna untuk mengikuti topik yang mereka minati dengan mudah. Gambar 1, mengilustrasikan anatomi dasar dari sebuah tweet.
Sumber: Twitter, Hasil Penelitian Source: Twitter, Research Result
Gambar 1. Anatomi Tweet pada Twitter Picture 1.
Tweet Anatomy on Twitter
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
Tweet dikumpulkan dengan memanfaatkan kata tersebut pada proses analisis teks fasilitas API (Application Programming Interface) diperlakukan sebagai sebuah entitas tunggal.
yang disediakan oleh Twitter. Proses pengumpulan 5.
Case folding. Proses ini berfungsi untuk data dimulai dari tanggal 22 Desember 2016, menyamaratakan karakter huruf yaitu bersamaan dengan pers release yang dikeluarkan mengkonversi huruf kapital atau huruf besar oleh manajemen Sari Roti dan berakhir pada menjadi huruf kecil. tanggal 27 Desember 2016. Untuk keperluan 6.
Penghapusan angka. Proses ini berfungsi untuk penelitian ini, tweet yang diambil adalah tweet menghapus karakter angka pada teks. Angka yang relevan dengan aksi boikot Sari Roti. Tweet dihapus karena tidak termasuk ke dalam yang diambil adalah tweet yang mengandung kata- komponen analisis teks.
7. kata “Sari Roti”. Dalam masa 6 hari tersebut Stemming. Stemming adalah tahap mencari akar terkumpul kurang lebih 40.105 tweet. kata dengan menghilangkan imbuhan pada
Data yang dikumpulkan dari API Twitter sebuah kata. merupakan data yang bersifat mentah. Data mentah
8. Menghapus stopwordStopword atau lata
masih mengandung beberapa properti yang apabila penghubung dalam analisis teks tidak tidak ditangani secara benar akan membuat hasil diperlukan oleh sebab itu perlu dihapus. Pada analisis tidak akurat. Properti pada data teks proses ini kata-kata yang tidak digunakan dalam mentah yang perlu dibersihkan diantaranya adalah analisis dihapus. Tidak hanya kata penghubung, penggunaan angka, tanda baca, emoticon, kata-kata yang yang tidak perlu dianalisi dapat stopword, dlsb. Pra proses merupakan tahapan dihapus. yang berfungsi untuk membersihkan data teks Setelah keseluruhan tweet dipraproses, mentah tersebut sehingga siap untuk dianalisis. langkah selanjutnya adalah melakukan analisis
Tahapan prosesing yang dilakukan dalam konten. Analisis konten terbagi kedalam dua penelitian ini terdiri dari 8 langkah sebagai berikut: bagian, yaitu analisis teks tweet dan analisis
1. hashtag. Pada analisis teks tweet, yang dilakukan
Menghapus URL. URL (http://www.situs.com) dan email (nama@situs.com) dihapus karena adalah pertama kali adalah menghitung frekuensi tidak digunakan dalam analisis teks. kemunculan kata per kata yang digunakan dalam 2. tiap tweet yang diunggah. Kemudian, hal kedua
Menghapus username dan tanda retweet pada Twitter. Proses ini dilakukan dengan yang dilakukan adalah melakukan analisis co- menghapus karakter khusus Twitter yakni coocurence. Analisis co-coccurence dilakukan
username (@username), dan tanda retweet (RT) untuk mengetahui pasangan kata yang sering 3.
muncul dalam satu tweet. Analisis selanjutnya Menghapus simbol, emoticon dan tanda baca. Proses ini berfungsi untuk menghapus tanda- adalah analisis hashtag. Dalam analisis hashtag, hal tanda baca serta emoticon yang pada teks. yang dilakukan adalah mencari keterkaitan antara
4. satu hashtag dengan hashtag yang lain. Hashtag-
Tokenisasi. Tokenisasi merupakan proses penguraian kata-kata dari sebuah kalimat. Kata-
Analisis Konten Twitter Dalam Kasus….
Muhammad Rifqi Ma’arif Sumber: Hasil Penelitian Source: Research Result
Gambar 2. Visualisasi kata-kata yang paling sering muncul dalam Tweet
Picture 2.Visualization of the words most often appear in Tweets
hastag apa saja yang sering digunakan secara bersama-sama dalam satu tweet.
Analisis teks tweet yang pertama adalah analisis frekuensi kemunculan kata. Dari setiap tweet yang diunggah oleh setiap akun twitter, kami mengeliminasi kata- kata “Sari Roti” dan hanya menghitung kata-kata selain kata tersebut. Dari hasil perhitungan, kata “boikot” menjadi kata yang paling sering digunakan oleh user twitter dalam setiap tweet yang terkait dengan Sari Rori. Kata- kata yang sering muncul diilustrasikan pada gambar 2. Pada gambar 2, semakin besar ukuran huruf, maka berarti semakin sering kata-kata yang bersangkutan muncul pada tweet yang berhasil dikumpulkan.
Dari gambar 2, kata- kata “boikot” menjadi kata yang sering muncul dalam tweet yang diunggah oleh netizen, hal ini sesuai dengan topik utama mengenai pemboikotan produk sari roti. Selanjutnya kata- kata “umat”, “islam”, “aksi”, dan “212” yang menunjukkan subjek serta konteks pemboikotan. Kata-kata lain yang sering muncul adalah “klarifikasi” yang mana hal ini erat kaitannya dengan pers release manajemen Sari Roti yang menjadi asal muasal aksi pemboikotan ini. Ada beberapa kata yang juga turut muncul dalam tweet terkait sari roti yang tidak berhubungan secara langsung, salah satu diantaranya adalah “Metro TV”. Kata-kata “Metro TV” menjadi kata yang cukup sering muncul. Itu artinya, ajakan pemboikotan Sari Roti juga diiringi dengan ajakan pemboikotan Metro TV oleh netizen, dalam hal ini adalah peserta dan simpatisan aksi 212.
III. HASIL DAN PEMBAHASAN A. Analisis Teks Pada Tweet
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
Source: Research Result
Gambar 3. Relasi co-occurrence antar kata yang sering muncul dalam tweet
Picture 3.Co-occurrence realation among words most often appears in tweets
Melakukan analisis konten hanya berdasarkan frekuensi kata yang muncul tentulah tidak akurat karena bisa memunculkan keambiguan. Seperti contoh kata “Boikot”. Penggunaan kata boikot bisa terdapat pada tweet yang mendukung boikot sari roti, maupun tweet yang kontra terhadap pemboikotan sari roti. Untuk melengkapi analisis konten teks tweet, maka dilakukan analisis yang kedua yakni analisi kata-kata yang muncul bersama dalam satu tweet. Hasil dari analisis ini direpresentasikan dalam bentuk graf, seperti yang diilustrasikan pada gambar 3.
Pada gambar 3 yang diilustrasikan pada gambar 3, kata “Boikot” yang merupakan kata yang paling sering muncul memiliki co-ocuurence dengan beberapa kata yang juga memiliki frekuensi kemunculan yang tinggi yakni “Islam”, “GNPF”, “Pedagang”, “Anjlok”, dan “Umat”. Hal tersebut berarti dalam satu tweet, kata-kata Boikot acap kali berdampingan dengan kata-kata tersebut.
Tentu saja, dengan pasangan kata yang berbeda, kata boikot digunakan untuk merepresentasikan pesan yang berbeda pula, tidak hanya sekedar ajakan untuk memboikot produk Sari Roti. Tabel 1 menunjukkan beberapa contoh tweet yang mengandung kata-kata boikot dengan kata-kata yang muncul bersamaan dengan kata boikot tersebut.
Tabel 1. Contoh tweet yang mengandung pasangan kata tertentu Table 1.
Tweets sample which have contain a particular words Pasangan kata Contoh Tweet
Jumlah Retweet
Boikot - Islam pengamat menilai gerakan boikot sari roti merupakan peringatan agar tak coba coba berani menyakiti hati umat islam
60
Analisis Konten Twitter Dalam Kasus….
Muhammad Rifqi Ma’arif Tabel 1. Lanjutan Table 1.
Continued Jumlah Pasangan kata Contoh Tweet Retweet
Boikot - Pedagang pedagang keliling sari roti sampaikan hikmah boikot sari roti balik lagi 237 bikin roti rumahan
41 “rezeki pedagang terhalang gara2 kita boikot sari roti?” yaelah bro rezeki tuh dari allah bukan dari yang lain paham
Boikot - Anjlok sari roti anjlok bukti dahsyatnya kekuatan boikot umat
80 baru diboikot beberapa hari aja saham sari roti sudah anjlok 10 point kapan kapokmu tiiii
Sumber: Hasil Penelitian Source: Research Result B.
Analisis Hastag Table 2.
Continued
Dari data tweet yang berhasil dikumpulkan, Frekuensi
Nama Hashtag Penggunaan mayoritas tweet yang diunggah oleh netizen dalam
#spirit212 238 kasus boikot sari roti selalu diikuti dengan hashtag #penjarakanahok 203 tertentu. Seperti yang sudah diuraikan di bagian sebelumnya, hashtag berfungsi untuk mengkaitkan #subuhberjamaan1212 154 tweet dengan topic tertentu yang sedang dibahas
#indonesiakita 135 oleh para pengguna Twitter yang seringkali terkait #indonesiadamai 133 dengan suatu peristiwa di dunia nyata. Kasus sari #hidupsederhana 131 roti secara kasat mata tidak bisa dilepaskan dari #tangkapahok 121 peristiwa aksi damai 212. Sehingga, disamping
Sumber: Hasil Penelitian
hashtag #boikotsariroti yang merupakan hastag
Source: Research Result
utama, hashtag terkait dengan aksi 212 seperti Selain hashtag- #alumni212 dan #spirit212,
#alumni212 dan #spirit212 juga banyak digunakan beberapa hashtag cukup sering muncul namun oleh netizen secara bersama dengan hashtag tidak terkait secara langsung dengan pesan utama. #boikotsariroti. Seperti yang tertera pada tabel 2.
Beberapa diantaranya adalah #boikotmetrotv, #penjarakanahok, #subuhberjamaan1212,
Tabel 2.Hashtag yang paling banyak digunakan Table 2.
Hashtags are the most widely used
#indonesiakita, #indonesiadamai,
Frekuensi
Nama Hashtag #hidupsederhana, dan #tangkapahok. Hashtag-
Penggunaanhashtag tersebut beberapa berdiri sendiri dan ada #boikotsariroti 13855 juga beberapa yang digunakan secara bersamaan #boikotmetrotv 2441 dengan hashtag #boikotsariroti. Tabel 3, #alumni212 345 menunjukkan contoh tweet yang mengandung
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
Source: Research Result
Gambar 4. Relasi co-occurrence antar hashtag yang sering muncul dalam tweet
Picture 4.Co-occurrence realation among hartag most often appears in tweets
hashtag-hastag tersebut, dimana hashtag tersebut terhadap hashtag yang digunakan. Gambar 4
digunakan sendiri (tidak bersamaan dengan mengilustrasikan relasi antar hashtag dalam hal hashtag #boikotsariroti). seberapa sering hashtag-hashtag tersebut digunakan bersama-sama. Dari gambar 4 dapat
Tabel 3.Hashtag yang paling banyak digunakan dilihat bahwa hastag #boikotsariroti paling sering
Table 3.Hashtags are the most widely used
dipasangkan dengan #boikotmetrotv. Hashtag lain
Hashtag Contoh Tweet
yang sering digunakan secara bersama dengan #boikotmetrotv allahu akbar ulama amp hashtag #boikotsariroti adalah kiai forum pondok
#subuhberjamaan212, #alumni212, dan pesantren riau boikot metrotv & sari roti
#penjarakanahok. Tabel 4 menunjukkan contoh #BoikotMetroTV tweet dari pasangan hashtag-hashtag tersebut.
#penjarakanahok hikmah sari roti tak laku usaha kecil menengah jadi Seperti pada analisis teks tweet, dalam artikel tumbuh kembali ini kami juga melakukan analisis co-occurrence
#penjarakanahok terhadap hashtag yang digunakan. Gambar 4 #tangkapahok awas upaya pengalihan isu untuk dan diramaiin mengilustrasikan relasi antar hashtag dalam hal lah padahal cm salah seberapa sering hashtag-hashtag tersebut faham #tangkapahok
Sumber: Hasil Penelitian
digunakan bersama-sama. Dari gambar 4 dapat
Source: Research Result
dilihat bahwa hastag #boikotsariroti paling sering dipasangkan dengan #boikotmetrotv. Hashtag lain Seperti pada analisis teks tweet, dalam artikel yang sering digunakan secara bersama dengan. ini kami juga melakukan analisis co-occurrence
Analisis Konten Twitter Dalam Kasus….
Muhammad Rifqi Ma’arif Tabel 4. Contoh Tweet yang mengandung pasangan hastag tertentu Table 4.
Sample of tweets which is contains pair of certain hastags Hashtag Contoh Tweet
#boikotsariroti & #boikotmetrotv begundal ini nantang ehem siapa takut kumandangkan dan laksanakan #boikotsariroti #boikotmetrotv ketika nasib roti bukan untuk dimakan tapi diboikot emang enaaaaaaaak #boikotsariroti #boikotmetrotv
- -tidak ada teks, hanya hashtag- #boikotmetrotv
#boikotsariroti & #penjarakanahok
#boikotsariroti #penjarakanahok ahox lebih islami ? rukun islam ke berapa yang sudah ahok lakukan #boikotsariroti #penjarakanahok
#boikotsariroti & #subuhberjamaah1212 tak butuh sari roti ini buktinya #boikotsariroti #subuhberjamaah1212 elfood sumbang ribuan roti untuk jamaah subuh 1212 #boikotsariroti #subuhberjamaah1212
Sumber: Hasil Penelitian Source: Research Result
hashtag #boikotsariroti adalah #subuhberjamaan212, #alumni212, dan #penjarakanahok. Tabel 4 menunjukkan contoh tweet dari pasangan hashtag-hashtag tersebut
Dari analisis teks (isi tweet) dan hastag yang sudah dilakukan, dapat dibaca secara garis besar pesan-pesan ataupun reaksi-reaksi mayoritas dari
netizen di Twitter. Dari analsisi teks dapat
diketahui bahwa kata yang sering muncul bersamaan dengan kata boikot adalah kata GNPF, Islam, Pedagang dan Anjlok. Dilihat dari kata-kata tersebut dan tweet-tweet yang mengandung kata- kata tersebut, terlihat bahwa netizen lebih banyak yang pro kepada ajakan pemboikotan Sari Roti. Mereka yang pro juga menunjukkan pesan bahawa apa yang dilakukan Sari Roti dengan press release- nya justru membuat citra perusahaan tersebut menurun di mata masyarakat, khususnya umat muslim. Sedangkan pihak yang kontra mayoritas menyampaiakan pesan bahwa pemboikotan justru akan merugikan para pedagang kecil yang menggantungkan hidupnya dari berjualan produk Sari Roti.
Hashtag pada umumnya digunakan untuk menunjukkan pesan tersirat dari suatu tweet. Dari analisis hashtag yang dilakukan, hasilnya tidak jauh berbeda dengan analisis konten isi tweet. Hasil analisis hashtag menunjukkan bahwa unggahan netizen yang cenderung pro, lebih banyak dari yang kontra. Hal yang menarik dari analisis hashtag ini adalah munculnya hashtag #boikotmetrotv yang pada mayoritas tweet disandingkan dengan hashtag utama #boikotsariroti. Hal ini menunjukkan Sari Roti dan Metro TV pada masa itu menj adi “common enemy” bagi masyarakat yang bersimpati dengan aksi bela islam 3, sehingga kedua entitas tersebut besar kemungkinan akan selalu dikaitkan. Analisi hashtag ini juga menunjukkan bahwa aksi boikot sari roti ini digunakan sebagai sarana untuk mengajak masyarakat untuk melakukan aksi
C. Pembahasan
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
lanjutan yaitu aksi sholat subuh berjamaah secara
UCAPAN TERIMA KASIH serentak melalui hashtag #subuhberjamaah.
Terimakasih dan apresiasi setinggi-tingginya penulis sampaikan kepada pihak-pihak yang
IV.
membantu terlaksananya penelitian ini. Yang
KESIMPULAN DAN SARAN
pertama kepada lab komputer STMIK Jend. A A.
Kesimpulan
Yani yang berkenan meminjamkan komputer Penelitian ini bertujuan untuk mengeksplorasi server untuk proses pengambilan/crawling data, pesan-pesan maupun reaksi-reaksi yang muncul serta yang kedua kepada rekan-rekan penulis yang pasca ajakan untuk memboikot produk Sari Roti telah memberikan review dan masukan atas terkait dengan aksi bela Islam jilid 3. Dalam penelitian yang dilakukan. penelitian ini, telah berhasil dianalisis dan dirangkum sejumlah besar pesan dalam bentuk
DAFTAR PUSTAKA tweet terkait dengan peristiwa boikot Sari Roti.
Alamsyah, A., Paryasto, M., Putra, F. J., &
perhitungan frekuensi kemunculan kata-kata dan
Himmawan, R. (2016, May). Network
hashtag untuk mengetahui kata dan hashtag yang
text analysis to summarize online
paling sering digunakan dalam tweet terkait
conversations for marketing intelligence
dengan boikot Sari Roti. Metode yang kedua yaitu efforts in telecommunication industry. membuat visualisasi dalam bentuk graf dari co-
In Information and Communication
occurrence antar kata-kata dan hashtag yang
Technology (ICoICT), 2016 4th
muncul. Analisis yang kedua bertujuan untuk International Conference on (pp. 1-5). mengetahui keterkaitan antar satu kata dengan kata IEEE. lain dan antara satu hashtag dengan hashtag lain.
Arias, M., Arratia, A., & Xuriguera, R. (2013).
B. Saran
Forecasting with twitter data . ACM
Penelitian ini barulah sebatas penelitian
Transactions on Intelligent Systems and
deskriptif. Sehingga, pada penelitian selanjutnya Technology (TIST), 5(1), 8. untuk mendapatkan gambaran yang lebih Aral, S., Dellarocas, C., & Godes, D. (2013). mendalam dari sebuah peristiwa termasuk peristiwa pemboikotan Sari Roti pasca Aksi Bela Introduction to the special issue
—social
Islam 3 diperlukan analisis statistikal yang lebih
media and business transformation: a
kompleks dan bervariasi. Beberapa hal yang bisa
framework for research. Information
dilakukan adalah melakukan analisis temporal Systems Research , 24(1), 3-13. terhadap kemunculan kata-kata ataupun hashtag Burgess, J., & Matamoros-Fernández, A. tertentu, melakukan perhitungan metrik untuk graf
(2016). Mapping sociocultural
yang terbentuk, serta melakukan analisis jaringan
controversies across digital media
sosial terhadap akun-akun yang terlibat dalam
platforms: one week of# gamergate on semesta interaksi.
Analisis Konten Twitter Dalam Kasus….
Muhammad Rifqi Ma’arif Twitter, YouTube, and 2016 4th International Conference Tumblr. Communication Research and on (pp. 1-4). IEEE.
Practice , 2(1), 79-96. Lasorsa, D. L., Lewis, S. C., & Holton, A. E.
Bollen, J., Mao, H., & Zeng, X. (2011). Twitter (2012). Normalizing Twitter: Journalism
mood predicts the stock market. Journal practice in an emerging communication Of Computational Science , 2(1), 1-8. space. Journalism studies, 13(1), 19-36.
Dickey, M. (2014, January 10). Twitter Gears Malhotra, A., Malhotra, C. K., & See, A.
Up To Launch A Tweet Deck On Steroids (2012). How to get your messages For Journalists . Retrieved February 10, retweeted. MIT Sloan Management 2017, from Review, 53(2), 61. Park, H., Rodgers, S., & Stemmle, J. (2013). Analyzing health organizations' use of
Dragiewicz, M., & Burgess, J. (2016). Twitter for promoting health literacy.
Domestic violence on# qanda: The Journal of health communication , 18(4), “Man” question in live Twitter 410-425. discussion on the Australian Takhteyev, Y., Gruzd, A., & Wellman, B. Broadcasting Corporation's (2012). Geography of Twitter networks. Q&A. Canadian journal of women and Social networks, 34(1), 73-81.28(1), 211-229. Zappavigna, M. (2011). Ambient affiliation: A the law,
Feldman, R. (2013). Techniques and linguistic perspective on Twitter. New
applications for sentiment analysis. media & society , 13(5), 788-806.
Communications of the ACM , 56(4), 82- 89.
Gayo-Avello, D. (2013). A meta-analysis of state-of-the-art electoral prediction from Twitter data. Social Science Computer Review , 31(6), 649-679. Imtiyazi, M. A., Alamsyah, A., Junaedi, D., & Pradana, J. A. (2016, May). Word association network approach for summarizing Twitter conversation about public election . In Information and Communication Technology (ICoICT),
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70