ANALYSIS ENGAMENT USER TWITER INDONESIA TERHADAP DINAMIKA PASCA LEDAKAN INFORMASI KONFLIK UKRAINA DAN RUSIA

RISET ENGAMENT USER TWITER INDONESIA TERHADAP DINAMIKA PASCA LEDAKAN            

DINAMIKA INFORMASI KONFLIK UKRAINA DAN RUSIA MENGGUNAKAN METODE SOCIAL NETWORK ANALYSIS

            Pada kesempatan kali ini penulis sekaligus peneliti tengah mengaktualisasikan hasil pembelajaran mandiri terkait apakah sebuah media sosial dapat digunakan untuk media penelitian yang secara komprehensif terkait pada aspek partisipasi user media sosial twitter sebagai audience sekaligus informan terhadap berkembangnya informasi yang hadir untuk diterima audience lainnya. Melalui kesempatan ini izinkan penulis untuk memaparkan hasil riset singkat tentang bagaimana sebuah dinamika media sosial sangat kompleks dapat dianalisis dengan sangat praktis menggunakan sebuah big data yang diambil melalui (DEA) Drone Emprit Academic. Pertama-tama penulis mengacu pada batasan-batasan pemaparan hasil riset, penulis tidak memberikan kritik atas fenomena yang terjadi, serta tidak memberikan argumen yang benar terkait fenomena dinamika atas informasi yang terjadi.

Ketika kita berbicara tentang big data proyeksi imajinasi yang muncul dalam diri kita adalah mungkin tentang beberapa hal yang terkait tentang sebuah identitas sebuah data yang dikalkulasikan serta beberapa hal yang mungkin cukup spesifik mungkin yang menyangkut segala informasi secara mikro, dan beberapa hal yang terkait tentang teknologi dan informasi. seluruh hal yang kita pahami tentang big data benar adanya namun hal yang mungkin terbesit dalam benak kita adalah bagaimana cara kita memperoleh data tersebut secara masif mengingat banyaknya informasi yang harus diserap dan diterima serta harus melalui proses kalkulasi dalam penyederhanaan terkait data yang diperoleh. Untuk menjawab hal tersebut Social Network Analysis di era modern saat ini mampu memberikan data yang faktual terkait jumlah dan data sentimen analisis terkait fenomena atau trend sebuah isu yang akan diteliti, sebagai contoh trend yang secara global tentang #happynewyear2022 atau tentang politik #Trumpforpresident yang ramai ramai user twitter ikut berpartisipasi dalam cuitan. Melalui hastag tersebut user media sosial khususnya twitter pasti memiliki keterkaitan dengan dibuatnya sebuah tagar yang memberikan informasi kolektif dan sebuah fenomena yang dirasa familiar terhadap sebuah informasi yang diproduksi, melalui contoh penerapan tersebut kita mungkin memiliki pertanyaan terkait apakah sebuah informasi media dapat dianalisis baik dalam segi tendensi, partisipasi maupun data lainnya. Untuk menjawab pertanyaan tersebut mari analisis sebuah riset kecil yang telah penulis lakukan pada 1 bulan terakhir sejak artikel ini dibuat.

            Data yang diperoleh dimulai dan dikumpulkan pada tanggal 18 April hingga 17 Mei yang secara otomatis big data memperoleh data tersebut, kurun waktu 1 bulan merupakan periode yang cocok untuk menganalisis apakah partisipasi user media twitter masih melakukan engagement dengan sangat aktif setelah ledakan informasi awal perang Russia dan Ukraina terjadi.

            UI/UX yang ditampilkan oleh drone emprit academik kurang lebih tertera pada gambar yang telah dilampirkan diatas, untuk melakukan riset tentang suatu media pemberitaan atau aspek yang akan dilakukan crawling data terlebih dahulu, mengisi beberapa keyword dan kategori yang akan dianalisis, pertama peneliti melakukan tema besar berupa tema besar apa yang akan diteliti untuk saat ini tema besar yang akan diteliti adalah konflik Ukraina dan Russia, kemudian akan muncul sub konfigurasi tentang penamaan project, peneliti  menggunakan bahasa indonesia dalam kalimat Konflik Rusia dan Ukraina untuk penamaan project, Kemudian subject yang akan diteliti adalah spesifik pada keyword karena mengingat fenomena pemberitaan tentang perang Ukraina dan Russia tidak didominasi oleh satu akun Twitter dalam pemberitaannya, lalu data yang digunakan adalah secara mix method kualitatif untuk menentukan tendensi opini pada twitter dan kuantitatif untuk menentukan jumlah dan bentuk partisipasi dalam melakukan engament koneksi antar user dan media. Keyword yang disisipkan adalah dalam bahasa indonesia “Konflik, ukrainarussiawar, Zelenskyy, Putin”  penentuan diksi keyword akan sangat berpengaruh terhadap crawling data yang akan digunakan untuk analisis berikutnya, lalu media type menggunakan Twitter karena mobilitas informasi dan engament user sangat masif dan dinamis sangat cocok untuk dilakukan crawling data.

Dalam timelinenya melalui platform drone emprit garph yang ditunjukan cenderung tidak tinggi di Indonesi bahkan menunjukan dibawah 100 bentuk engament yang terjadi pada beberapa tanggal yang peneliti lakukan. melalu mentions tersebut dapat dianalisis bahwasannya produksi informasi yang diterima audience Indonesia cenderung tidak stagnan bahkan dapat diakatakan musiman  pasca ledakan produksi informasi tentang perang ukraina.

Platform yang digunakan keseluruhan adalah media sosial karena melalui asumsi peneliti media sosial merupakan salah satu platform komunikasi tang tingkat mobilitasnnya sangat tinggi dan mudah digunakan, user twitter lebih menunjukan eksistensinya dalam menganalisis produksi informasi dalam bentuk teks.

SNA. social network analysis merupakan salah satu bentuk pemetaan terhadap engament yang terjadi dalam suatu produksi informasi, informasi yang dimakasud adalah bagaimana sebuah peranan media atau user dalam melakukan engament dengan tujuan tertentu menggunakan salah satu fenomena empiris yang terjadi untuk memberikan pemberitaan yang bersifat relevan dengan audience lain, melalui fenomena empiris tersebut produksi informasi tentang perang ukraina dan russia sudah semestinya dapat dilakukan analysis karena pada awal masa ledakan informasi terjadi tidak hanya dalam skala nasional bahkan internasional. Pada tanggal 1 april 2022 peniliti melakukan riset mengenai social network analysis apa yang terjadi setelah pasca ledakan informasi pada platform twitter melalui hal tersebut beberapa bentuk engament yang dilakukan user twitter berada pada level dinamika yang tidak terlalu dinamis hal tersebut dikarenakan jumlah partisipasi setiap user pada suatu isu atau informasi yang dilakukan cenderung tidak masif, karena polarisasi yang terjadi pada social network analysis pada umumnya terjadi karena banyakanya jumlah partisipasi user dan kuantitas engagement yang terjadi pada suatu fenomena informasi yang dipublikasikan. hanya terdapat 4 user yang memiliki pengaruh lebih dalam melakukan engament pada masing masing user dan beberapa engament yang dilakukan diantaranya juga tidak relevean dengan aspek fenomena empiris yang terjadi khususnya pada asek perang Rusia dan Ukraina, masing masing user tidak memiliki keterkaitan engament informasi yang sama dan cenderung membuat lingkaran komunikasi sendiri. Kesimpulan yang didapat dari hasil penelitian kali ini adalah skala engament yang dilakukan pasca perang Ukraina dan Russia cenderung tidak masif karena mungkin secara empiris user twitter menemukan fenomena baru dalam suatu isu di twitter.