Pada saat ini media mainstream (Koran, Media online resmi, Televisi) bukanlah satu – satunya sumber informasi bagi masyarakat, sekarang masyarakat bisa juga mendapat informasi dari media sosial (yang umum seperti Twitter, facebook, Instagram dan You tube) atau lebih personal lagi dalam dark social (Whatsapp, Telegram, Line, We Chat), masyarakat dapat bebas memilih darimana informasi yang ia dapat, dan kadang dalam era Post Truth sperti sekarang ini, kebenaran adalah sangat relatif, dan bahkan kebohongan (hoax) diciptakan menjadi sebuah kebenaran apabila disebarkan secara Viral dan terus menerus. Sayangnya masyarakat kadang kurang bisa membedakan mana informasi yang benar mana yang Hoax.
Disadari atau tidak, bentuk pendapat atau informasi yang terdapat dalam Media Sosial adalah representasi yang setara dengan apa yang dibicarakan masyarakat di luar media sosial. Sehingga apabila percakapan di media sosial dapat di analisa akan sangat berpengaruh dalam menentukan arah kebijaksanaan selanjutnya. Pada awalnya analisa Media sosial digunakan untuk strategi pemasaran produk2, apalagi penjualan yang dilakukan secara online, perusahaan meneliti seberapa besar produk diterima masyarakat, bagaimana dibandingkan dengan produk sejenis, apakah harganya kemahalan ? dan sebagainya. Kenapa hal itu bisa diteliti ? jawabannya adalah menganalisa “kata2 kunci” dalam setiap postingan dalam Media sosial, upaya menggali kata kunci inilah yang disebut Text Mining. Secara sederhananyanya semakin banyak “kata kunci” itu disebut (di mention) berarti semakin populerlah kata itu di media sosial. Lalu melalui perumusan tertentu bisa dihitung “kepopuleran” suatu produk.
Seiring berkembangnya Text Mining (penambangan data dari kata2) ternyata bisa digunakan sebagai sarana kegiatan politik, terbukti dengan mempopulerkan seorang kandidat dalam pemilihan umum dalam media sosial, akan meningkatkan popularitas kandidat tersebut dalam dunia nyata. Namun bukan hanya itu informasi positif tentang seseorang kandidat dalam media sosial yang disebarkan secara viral dan terus menerus dapat mengangkat citranya, sebaliknya informasi negatif (black campaign) yang terus menerus terhadap lawan kandidat akan juga menurunkan simpati masyarakat.
- Ada 3 tahap dalam membaca trend di media sosial yaitu: Identifikasi data, Analisa data, dan Interpertasi dari Informasi.
Identifikasi data adalah proses mengidentifikasi kumpulan dari data yang tersedia untuk dianalisa. Data mentah akan menjadi berguna setelah interpertasi. Setelah data dianalisis, dapat mulai menyampaikan pesan. Setiap data yang menyampaikan pesan bermakna menjadi informasi. Data – data yang perlu didentifikasi antara lain:
Tanggapan: Percakapan (pro, kontra dan netral) menjadi penting jika kita ingin mengetahui sentimen suatu posting, lebih penting daripada banyaknya posting.
Wilayah: Dimana wilayah penyebaran dari konten dapat diketahui lokalisasi suatu permasalahan.
Jenis Konten: Konten data dapat berupa Teks (teks tertulis yang mudah dibaca dan dipahami), Foto (gambar, sketsa sederhana, atau foto), Audio (rekaman audio buku, artikel, pembicaraan, atau diskusi), atau Video (rekaman, streaming langsung).
Platform: Konten media sosial dihasilkan di berbagai platform seperti situs berita mainstream dan situs jejaring sosial (mis. Facebook, Twitter).
Waktu: Penting untuk mengumpulkan data yang diposting dalam kerangka waktu yang sedang dianalisis.
Kepemilikan Data: Apakah data pribadi atau tersedia untuk umum? Apakah ada hak cipta dalam data? Ini adalah pertanyaan penting yang harus diatasi sebelum mengumpulkan data.
Analisa Data adalah serangkaian kegiatan yang membantu mengubah data mentah menjadi interpertasi. Dengan kata lain, analisis data adalah fase yang mengambil data yang difilter sebagai input dan mentransformasikannya menjadi informasi yang bernilai bagi para analis. Berbagai jenis analisis dapat dilakukan dengan data media sosial, termasuk analisis posting, sentimen, pendorong sentimen, geografi, demografi, dll. Langkah analisis data dimulai setelah kita tahu masalah apa yang ingin kita pecahkan dan tahu bahwa data sudah cukup untuk menghasilkan kesimpulan.
Interpertasi informasi, Interpretasi yang diperoleh dari berbagai macam analisis seperti pertanyaan awal sebagai langkah pertama analisis. Adalah penting untuk memilih jenis data yang akan dikumpulkan. Bagaimana data secara efisien masuk akal, sehingga dapat digunakan dalam pengambilan keputusan yang baik? Interpertasi dari informasi adalah jawabannya.
Interpertasi yang baik hendaknya memperlihatkan sesuatu yang baru tentang data pola dan hubungan yang mendasarinya. Paparan pola dan menyempitkannya menjadi peran kunci dalam proses pengambilan keputusan. Ada tiga kriteria utama untuk dipertimbangkan dalam memvisualisasikan data, antara lain:
Memahami audiens: sebelum membangun gambaran, tetapkan tujuan, yaitu untuk menyampaikan informasi dalam jumlah besar sehingga mudah diintegrasikan oleh peminta informasi. Penting untuk menjawab “Siapa audiensnya?”, Dan “Dapatkah Anda menganggap audiens memiliki pengetahuan tentang terminologi yang digunakan?” Audiens yang berpendidikan tinggi akan memiliki harapan yang berbeda dari audiens umum, oleh karena itu harapan harus dipertimbangkan.
Menyiapkan kerangka kerja yang jelas: analisa perlu memastikan bahwa gambaran secara sintaktis dan semantik benar. Misalnya, ketika menggunakan ikon, elemen tersebut harus memiliki kemiripan dengan benda yang diwakilinya, dengan ukuran, warna, dan posisi serta semua makna yang dikomunikasikan kepada para pembaca.
Narasikan sebuah cerita: informasi yang bersifat analitis, sulit untuk diintegrasikan dengan tujuan memahami informasi tersebut. Cerita membantu pemirsa mendapatkan wawasan dari data. Gambaran harus mengemas informasi ke dalam struktur yang disajikan sebagai narasi dan mudah diingat. Ini penting karena banyak pembuat keputusan berbeda orangnya ketika analisa disajikan.
- Ada 3 Level dalam Analisa Media Sosial yaitu analisis media, analisis percakapan dan analisis jaringan.
Analisis media mencakup reach (Jangkauan), engagement (Keterikatan) dan virality (Viral)
Analisis percakapan memberikan pemahaman dari posting, komentar, kata-kata, symbol sebagai bagian dari komunikasi netizen melalui analisis digital ethnography sehingga data berbentuk kualitatif yang akhirnya bisa memberikan informasi kecenderungan, menjelaskan bagaimana keunikan dari persepsi atau perilaku audience di sosial media.
Analisis jaringan dapat mengukur keberhasilan isu atau pesan dalam mempengaruhi influencer dan jaringan pertemanannya. Degree centrality, yaitu jumlah koneksi yang dimiliki sebuah node. Tingkatan (degree) memperlihatkan aktor dalam jaringan sosial yang terbentuk di media sosial. Closeness centrality, yaitu jarak rata-rata antara suatu node dengan semua node lain di jaringan, sehingga ukuran ini menggambarkan kedekatan node ini dengan node lain. Betweenness centrality, dihitung dengan menjumlahkan semua shortest path yang mengandung node tersebut. Pengukuran ini memperlihatkan peran sebuah node menjadi bottleneck. Sentralitas keperantaraan memperlihatkan posisi seseorang atau aktor sebagai perantara (betweenness) dari hubungan satu dengan aktor lain dalam suatu jaringan. Eigenvector centrality, yaitu pengukuran yang memberikan bobot yang lebih tinggi pada node yang terhubung dengan node yang juga memiliki keterhubungan tinggi.
PageRank, yaitu suatu pengukuran yang lazim digunakan Google untuk menentukan kualitas suatu page. Dapat digunakan untuk jaringan yang berbentuk graph berarah. Prinsip yang digunakan adalah semakin penting sebuah node, maka semakin banyak node tersebut direfer oleh node lain. Clustering coefficient, yang menghitung proporsi keterhubungan node di dalam kelompok. Semakin kuat ikatan kelompok (semakin tinggi clustering coefficient) maka semakin terhubung satu sama lain node-node di dalam kelompok tersebut.