ANALISIS KONTEN TWITTER DALAM KASUS BOIKOT SARI ROTI PASKA PERISTIWA AKSI BELA ISLAM 3

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


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


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


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



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


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


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,



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


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


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


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


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


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


70

ANALISIS KONTEN TWITTER DALAM KASUS BOIKOT SARI ROTI PASKA PERISTIWA AKSI BELA ISLAM 3

Recommend Documents