Analisis Konten Twitter Dalam Kasus…. Muhammad Rifqi Ma’arif
ANALISIS KONTEN TWITTER DALAM KASUS BOIKOT SARI ROTI PASKA PERISTIWA AKSI BELA ISLAM 3 ANALISYS OF TWITTER CONTENT IN CASE OF BOYCOTT SARI ROTI ON PRA-EVENT OF DEFENDING ISLAM 3 Muhammad Rifqi Ma’arif Program Studi Manajemen Informatika STMIK Jenderal A. Yani Yogyakarta Jalan Ring Road Barat, Banyuraden, Gamping, Sleman, Yogyakarta Email:
[email protected] 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.
I.
Banyak sekali peristiwa-peristiwa menarik
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 penistaan
agama
oleh
salah
satu
bahwa pembagian produk sari roti gratis oleh para
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 59
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
pada pers release yang pada intinya pihak Sari Roti
yang bersifat praktis sampai penelitian akademis.
tidak terlibat kedalam kegiatan politik apapun. Pro
Sebagai sebuah platform media sosial, Twitter
dan kontra pemboikotan produk Sari Roti sangat
menjadi sarana yang sangat menjanjikan untuk
ramai ditemukan sosial media, tidak terkecuali di
meneliti perilaku dari masyarakat (public behavior)
situs microblogging Twitter.
khususnya para pengguna internet (netizen).
Twitter, bersama dengan Facebook dan
Contoh pertama dari penelitian public behavior
Youtube, merepresentasikan perkembangan yang
adalah penelitian yang dilakukan oleh Imtiyazi
cukup pesat dari Web 2.0 atau aplikasi sosial
et.al (2016), dengan mengamati penggunaan kata
media. Dalam beberapa tahun tersakhir sejak
dan asosiasi kata pada unggahan netizen di Twitter
kemunculannya
platform
(tweet) untuk melihat trend yang terjadi terkait
mikroblogging Twitter menjadi salah satu platform
dengan pemilihan kepala daerah (Pilkada) serentak
sosial media dengan perkembangan yang paling
di tahun 2016.
pesat. Lebih dari 75% perusahaan yang masuk
Burges & Matamoros-Fernandez (2016) yang
dalam The Fortune Global 100 memiliki satu atau
menggunakan
lebih akun Twitter korporasi maupun untuk
kontroversi sosiokultural yang terjadi di kalangan
branding produk secara spesifik (Malhotra et.al,
netizen dalam merespon peristiwa “Gamer Gate”
2012).
di Australia. Hal yang hamper sama juga dilakukan
di
tahun
2006,
Indonesia, bersama Amerika Serikat, Brazil, Inggris Raya, dan Jepang
oleh
merupakan Negara
Penelitian lain dilakukan oleh
Twitter
Dragiawich
mengamati
respon
&
untuk
Burges publik
mengamati
(2016)
terhadap
untuk sebuah
dengan basis pengguna Twitter terbesar di dunia
tayangan di televisi yang kontroversial. Sementara
(Takhyetev
itu penelitian lain yang dilakukan oleh Alamsyah
et.al,
2012).
Dengan
basis
penggunanya yang sangat besar, Twitter Indonesia
et.al
(2016)
mengamati
respon
masyarakat
cukup reactive dengan berbagai macam berita yang
terhadap iklan/promosi yang dilakukan oleh
beredar di Internet. Hal tersebut membuat opini
perusahaan telekomunikasi di Indonesia.
masyarakat yang diunggah ke Twitter atau lebih
Selain digunakan untuk meneliti public
dikenal dengan sebutan tweet, memiliki akurasi
behavior secara langsung. Twitter sebelumnya juga
yang cukup tinggi apabila digunakan untuk
sudah banyak digunakan untuk penelitian di
memonitor perkembangan suatu isu atau peristiwa.
banyak bidang. Arias (2014) dan Feldman (2013)
Terkait dengan hal tersebut, maka penelitian ini
menggunakan
bertujuan untuk mengeksplorasi bagaimana pesan-
perkiraan (forecasting) harga saham (stock).
pesan atau reaksi-reaksi yang muncul dari
Dickey (2014), membuat model berbasis algoritma
unggahan ataupun pernyatan masyarakat di sosial
machine learning dengan data tweet untuk
media
melakukan
khususnya
Twitter
dalam
merespon
himbauan pemboikotan produk Sari Roti.
data
analisis
tweet
trend
untuk
secara
melakukan
real-time.
Sementara itu Maholtra et al (2012), menggunakan
Dalam beberapa tahun terakhir, Twitter
data tweet untuk brand management. Twitter juga
menjadi sumber data yang sangat popular untuk
memiliki pengaruh luas pada penelitian di wilayah
berbagai macam keperluan, mulai dari aplikasi
akademis. Data tweet banyak digunakan untuk 60
Analisis Konten Twitter Dalam Kasus…. Muhammad Rifqi Ma’arif
penelitian di bidang keuangan (Bollen et al, 2011),
Pesan atau opini yang diunggah pengguna
kesehatan (Park et al, 2013), sistem informasi (Aral
(suatu akun) ke Twitter disebut dengan
tweet.
et al, 2013). Selain itu bidang-bidang seperti ilmu
Tweet pada umumnya berupa sekumpulan text
komunikasi (Zappavigna, 2011), politics (Gayo-
yang oleh Twitter dibatasi panjangnya hingga 140
Avello, 2012) dan journalism (Lasorsa et.al.,
karakter termasuk spasi. Ada tiga tipe tweet dalam
2012), juga sudah secara intensif memanfaatkan
Twitter: original tweets, replies, dan retweets.
Twitter sebagai sumber data.
Original tweet, adalah tweet ditulis dan diunggah sendiri oleh suatu akun, dan tidak berhubungan secara langsung dengan tweet lain saat pertama kali
II. METODE PENELITIAN
diunggah. Replies adalah tweet yang ditulis untuk
Penelitian ini adalah penelitian deskriptif
membalas tweet yang sudah lebih dahulu ada.
kuantitatif, yang bertujuan untuk menjelaskan
Sementara
fenomena yang terjadi dari suatu peristiwa dengan menggunakan
angka-angka
ataupun
retweet
adalah,
aktivitas
menduplikasi/mengulangi tweet yang sudah ada
rasio
(Twitter, 2013).
berdasarkan angka-angka tersebut. Adapun data
Tweet yang diunggah pada Twitter terdiri dari
yang digunakan dalam penelitian ini adalah data
tiga bagian dasar dari suatu tweet adalah: Nama
unggahan ataupun pernyataan masyarakat di
akun
Twitter yang terkait dengan pemboikotan produk
yang
mengunggah
tweet,
teks
yang
merupakan inti pesan, serta hashtag. Hashtag yang
sari roti. Adapun sampel data yang digunakan
ditulis
adalah pernyataan yang diunggah oleh pengguna
dengan
simbol
#
digunakan
untuk
Twitter pada tanggal 22 – 27 Desember 2016 yang
mengindeks kata kunci atau topik di Twitter.
menggandung kata “Sari Roti”. Jumlah data
Fungsi ini dibuat di Twitter dan memungkinkan pengguna untuk mengikuti topik yang mereka
sampel yang digunakan dalam penelitian ini
minati dengan mudah. Gambar 1, mengilustrasikan
berjumlah 40.105 tweet/unggahan.
anatomi dasar dari sebuah tweet.
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
Sumber: Twitter, Hasil Penelitian Source: Twitter, Research Result
hal, yaitu analisis kemunculan kata dan analisis kemunculan co-occurrence kata (kata-kata yang
Gambar 1. Anatomi Tweet pada Twitter Picture 1. Tweet Anatomy on Twitter
muncul secara bersamaan).
61
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.
kata “Sari Roti”. Dalam masa 6 hari tersebut
7. 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
masih mengandung beberapa properti yang apabila
penghubung
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
kata-kata yang yang tidak perlu dianalisi dapat
angka,
tanda
baca,
emoticon,
stopword, dlsb. Pra proses merupakan tahapan
dihapus.
yang berfungsi untuk membersihkan data teks
Setelah
mentah tersebut sehingga siap untuk dianalisis.
stopwordStopword dalam
keseluruhan
analisis
tweet
atau teks
lata tidak
dipraproses,
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. Menghapus URL. URL (http://www.situs.com)
hashtag. Pada analisis teks tweet, yang dilakukan
dan email (
[email protected]) dihapus karena
adalah pertama kali adalah menghitung frekuensi
tidak digunakan dalam analisis teks.
kemunculan kata per kata yang digunakan dalam
2. Menghapus username dan tanda retweet pada Twitter.
Proses
ini
dilakukan
tiap tweet yang diunggah. Kemudian, hal kedua
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. Menghapus simbol, emoticon dan tanda baca.
muncul dalam satu tweet. Analisis selanjutnya
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. Tokenisasi.
Tokenisasi
merupakan
proses
satu hashtag dengan hashtag yang lain. Hashtag-
penguraian kata-kata dari sebuah kalimat. Kata-
62
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
Dari gambar 2, kata-kata “boikot” menjadi kata
bersama-sama dalam satu tweet.
yang sering muncul dalam tweet yang diunggah oleh netizen, hal ini sesuai dengan topik utama mengenai
III. HASIL DAN PEMBAHASAN
pemboikotan
produk
sari
roti.
Selanjutnya kata-kata “umat”, “islam”, “aksi”, dan
A. Analisis Teks Pada Tweet
“212” yang menunjukkan subjek serta konteks
Analisis teks tweet yang pertama adalah
pemboikotan. Kata-kata lain yang sering muncul
analisis frekuensi kemunculan kata. Dari setiap
adalah “klarifikasi” yang mana hal ini erat
tweet yang diunggah oleh setiap akun twitter, kami
kaitannya dengan pers release manajemen Sari
mengeliminasi kata-kata “Sari Roti” dan hanya
Roti yang menjadi asal muasal aksi pemboikotan
menghitung kata-kata selain kata tersebut. Dari
ini. Ada beberapa kata yang juga turut muncul
hasil perhitungan, kata “boikot” menjadi kata yang
dalam
paling sering digunakan oleh user twitter dalam
tweet
berhubungan
terkait
sari
roti
yang
tidak
secara
langsung,
salah
satu
setiap tweet yang terkait dengan Sari Rori. Kata-
diantaranya adalah “Metro TV”. Kata-kata “Metro
kata yang sering muncul diilustrasikan pada
TV” menjadi kata yang cukup sering muncul. Itu
gambar 2. Pada gambar 2, semakin besar ukuran
artinya, ajakan pemboikotan Sari Roti juga diiringi
huruf, maka berarti semakin sering kata-kata yang
dengan ajakan pemboikotan Metro TV oleh
bersangkutan muncul pada tweet yang berhasil
netizen, dalam hal ini adalah peserta dan
dikumpulkan.
simpatisan aksi 212.
63
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
Sumber: Hasil Penelitian 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
yang paling sering muncul memiliki co-ocuurence
frekuensi kata yang muncul tentulah tidak akurat
dengan beberapa kata yang juga memiliki
karena bisa memunculkan keambiguan. Seperti
frekuensi kemunculan yang tinggi yakni “Islam”,
contoh kata “Boikot”. Penggunaan kata boikot bisa
“GNPF”, “Pedagang”, “Anjlok”, dan “Umat”. Hal
terdapat pada tweet yang mendukung boikot sari
tersebut berarti dalam satu tweet, kata-kata Boikot
roti,
terhadap
acap kali berdampingan dengan kata-kata tersebut.
pemboikotan sari roti. Untuk melengkapi analisis
Tentu saja, dengan pasangan kata yang berbeda,
konten teks tweet, maka dilakukan analisis yang
kata boikot digunakan untuk merepresentasikan
kedua yakni analisi kata-kata yang muncul
pesan yang berbeda pula, tidak hanya sekedar
bersama dalam satu tweet. Hasil dari analisis ini
ajakan untuk memboikot produk Sari Roti. Tabel 1
direpresentasikan dalam bentuk graf, seperti yang
menunjukkan
diilustrasikan pada gambar 3.
mengandung kata-kata boikot dengan kata-kata
maupun
tweet
yang
kontra
Pada gambar 3 yang diilustrasikan pada
beberapa
contoh
tweet
yang
yang muncul bersamaan dengan kata boikot
gambar 3, kata “Boikot” yang merupakan kata
tersebut.
Tabel 1. Contoh tweet yang mengandung pasangan kata tertentu Table 1. Tweets sample which have contain a particular words Pasangan kata
Contoh Tweet
Boikot - Islam
pengamat menilai gerakan boikot sari roti merupakan peringatan agar tak coba coba berani menyakiti hati umat islam
64
Jumlah Retweet 60
Analisis Konten Twitter Dalam Kasus…. Muhammad Rifqi Ma’arif
Tabel 1. Lanjutan Table 1. Continued Pasangan kata
Contoh Tweet
Boikot - Pedagang
pedagang keliling sari roti sampaikan hikmah boikot sari roti balik lagi bikin roti rumahan
Boikot - Anjlok
Jumlah Retweet 237
“rezeki pedagang terhalang gara2 kita boikot sari roti?” yaelah bro rezeki tuh dari allah bukan dari yang lain paham
41
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
Tabel 2.Lanjutan Table 2. Continued
B. Analisis Hastag Dari data tweet yang berhasil dikumpulkan,
Nama Hashtag
Frekuensi Penggunaan
kasus boikot sari roti selalu diikuti dengan hashtag
#spirit212
238
tertentu. Seperti yang sudah diuraikan di bagian
#penjarakanahok
203
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
#hidupsederhana
131
#tangkapahok
121
mayoritas tweet yang diunggah oleh netizen dalam
dengan suatu peristiwa di dunia nyata. Kasus sari roti secara kasat mata tidak bisa dilepaskan dari peristiwa aksi damai 212. Sehingga, disamping
Sumber: Hasil Penelitian Source: Research Result
hashtag #boikotsariroti yang merupakan hastag utama, hashtag terkait dengan aksi 212 seperti #alumni212 dan #spirit212 juga banyak digunakan
Selain hashtag- #alumni212 dan #spirit212,
oleh netizen secara bersama dengan hashtag
beberapa hashtag cukup sering muncul namun
#boikotsariroti. Seperti yang tertera pada tabel 2.
tidak terkait secara langsung dengan pesan utama. Beberapa diantaranya adalah #boikotmetrotv, #penjarakanahok,
Tabel 2.Hashtag yang paling banyak digunakan Table 2. Hashtags are the most widely used Frekuensi Nama Hashtag Penggunaan #boikotsariroti
13855
#boikotmetrotv
2441
#alumni212
345
#indonesiakita,
#subuhberjamaan1212, #indonesiadamai,
#hidupsederhana, dan #tangkapahok. Hashtaghashtag tersebut beberapa berdiri sendiri dan ada juga beberapa yang digunakan secara bersamaan dengan
hashtag
#boikotsariroti.
Tabel
menunjukkan contoh tweet yang mengandung 65
3,
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
Sumber: Hasil Penelitian 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 Table 3. Hashtags are the most widely used Hashtag
Contoh Tweet
#boikotmetrotv
allahu akbar ulama amp kiai forum pondok pesantren riau boikot metrotv & sari roti #BoikotMetroTV hikmah sari roti tak laku usaha kecil menengah jadi tumbuh kembali #penjarakanahok awas upaya pengalihan isu untuk dan diramaiin lah padahal cm salah faham #tangkapahok
#penjarakanahok
#tangkapahok
dilihat bahwa hastag #boikotsariroti paling sering dipasangkan dengan #boikotmetrotv. Hashtag lain yang sering digunakan secara bersama dengan hashtag
#boikotsariroti
#subuhberjamaan212,
adalah
#alumni212,
dan
#penjarakanahok. Tabel 4 menunjukkan contoh tweet dari pasangan hashtag-hashtag tersebut. Seperti pada analisis teks tweet, dalam artikel ini kami juga melakukan analisis co-occurrence terhadap hashtag yang digunakan. Gambar 4 mengilustrasikan relasi antar hashtag dalam hal seberapa
Sumber: Hasil Penelitian Source: Research Result
sering
hashtag-hashtag
tersebut
digunakan bersama-sama. Dari gambar 4 dapat dilihat bahwa hastag #boikotsariroti paling sering
Seperti pada analisis teks tweet, dalam artikel
dipasangkan dengan #boikotmetrotv. Hashtag lain
ini kami juga melakukan analisis co-occurrence
yang sering digunakan secara bersama dengan. 66
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
#boikotsariroti & #penjarakanahok
-tidak ada teks, hanya hashtag- #boikotmetrotv #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
#subuhberjamaan212,
adalah
akan merugikan para pedagang kecil yang
dan
menggantungkan hidupnya dari berjualan produk
#alumni212,
#penjarakanahok. Tabel 4 menunjukkan contoh
Sari Roti.
tweet dari pasangan hashtag-hashtag tersebut
Hashtag pada umumnya digunakan untuk menunjukkan pesan tersirat dari suatu tweet. Dari
C. Pembahasan
analisis hashtag yang dilakukan, hasilnya tidak
Dari analisis teks (isi tweet) dan hastag yang
jauh berbeda dengan analisis konten isi tweet.
sudah dilakukan, dapat dibaca secara garis besar
Hasil
pesan-pesan ataupun reaksi-reaksi mayoritas dari
analisis
hashtag
menunjukkan
bahwa
unggahan netizen yang cenderung pro, lebih
netizen di Twitter. Dari analsisi teks dapat
banyak dari yang kontra. Hal yang menarik dari
diketahui bahwa kata yang sering muncul
analisis hashtag ini adalah munculnya hashtag
bersamaan dengan kata boikot adalah kata GNPF, Islam, Pedagang dan Anjlok. Dilihat dari kata-kata tersebut dan tweet-tweet yang mengandung kata-
#boikotmetrotv
yang
pada
disandingkan
dengan
mayoritas hashtag
tweet utama
#boikotsariroti. Hal ini menunjukkan Sari Roti dan
kata tersebut, terlihat bahwa netizen lebih banyak
Metro TV pada masa itu menjadi “common enemy”
yang pro kepada ajakan pemboikotan Sari Roti.
bagi masyarakat yang bersimpati dengan aksi bela
Mereka yang pro juga menunjukkan pesan bahawa
islam 3, sehingga kedua entitas tersebut besar
apa yang dilakukan Sari Roti dengan press release-
kemungkinan akan selalu dikaitkan. Analisi
nya justru membuat citra perusahaan tersebut
hashtag ini juga menunjukkan bahwa aksi boikot
menurun di mata masyarakat, khususnya umat
sari roti ini digunakan sebagai sarana untuk
muslim. Sedangkan pihak yang kontra mayoritas
mengajak masyarakat untuk melakukan aksi
menyampaiakan pesan bahwa pemboikotan justru
67
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. KESIMPULAN DAN SARAN
membantu terlaksananya penelitian ini. Yang
A. Kesimpulan
pertama kepada lab komputer STMIK Jend. A 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 tweet terkait dengan peristiwa boikot Sari Roti.
DAFTAR PUSTAKA
Dua metode yang digunakan adalah melakukan
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
occurrence antar kata-kata dan hashtag yang
Technology
muncul. Analisis yang kedua bertujuan untuk
and
Communication
(ICoICT),
2016
4th
mengetahui keterkaitan antar satu kata dengan kata
International Conference on (pp. 1-5).
lain dan antara satu hashtag dengan hashtag lain.
IEEE. Arias, M., Arratia, A., & Xuriguera, R. (2013).
B. Saran
Forecasting with twitter data. ACM
Penelitian ini barulah sebatas penelitian deskriptif. Sehingga, pada penelitian selanjutnya
Transactions on Intelligent Systems and
untuk
Technology (TIST), 5(1), 8.
mendapatkan
gambaran
yang
lebih
termasuk
Aral, S., Dellarocas, C., & Godes, D. (2013).
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.
mendalam
dari
sebuah
peristiwa
terhadap kemunculan kata-kata ataupun hashtag
Burgess, J., & Matamoros-Fernández, A.
tertentu, melakukan perhitungan metrik untuk graf
(2016).
yang terbentuk, serta melakukan analisis jaringan
Mapping
controversies
sosial terhadap akun-akun yang terlibat dalam
across
sociocultural digital
media
platforms: one week of# gamergate on
semesta interaksi. 68
Analisis Konten Twitter Dalam Kasus…. Muhammad Rifqi Ma’arif
Twitter,
YouTube,
and
2016
Tumblr. Communication Research and
4th
International
Conference
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,
Review, 53(2), 61.
from
http://www.businessinsider.com/twitter-
Park, H., Rodgers, S., & Stemmle, J. (2013).
and-dataminr-2014-1
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”
410-425.
question
discussion
in
on
live
the
Broadcasting
Twitter Australian
Takhteyev, Y., Gruzd, A., & Wellman, B.
Corporation's
(2012). Geography of Twitter networks.
Q&A. Canadian journal of women and
Social networks, 34(1), 73-81.
the law, 28(1), 211-229. Feldman,
R.
(2013).
Zappavigna, M. (2011). Ambient affiliation: A
Techniques
and
linguistic perspective on Twitter. New
applications for sentiment analysis.
media & society, 13(5), 788-806.
Communications of the ACM, 56(4), 8289. 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),
69
Jurnal Penelitian Pers dan Komunikasi Pembangunan Vol. 21 No.1 Juni 2017: 59-70
70