Memahami Media Sosial maka kita bisa (secara cepat dan tepat) memahami isu-isu apa yang (sedang dan telah) dibicarakan, pesan kuncinya apa, isu sensitifnya apa, jangkauan/area penyebarannya, siapa-siapa saja netizen yang membicarakannya, siapa-siapa yang menjadi tokohnya, seberapa besar kekuatan tokoh tersebut, arah opininya bagaimana, siapa-siapa yang menjadi penghubung antar kelompok serta berbagai informasi penting lainnya berikut pernik-pernik yang menyertainya. Berdasarkan informasi-informasi tersebut maka kita akan mampu membuat strategi komunikasi secara cepat, tepat dan benar.
[Sumber gambar : https://upload.wikimedia.org/wikipedia/commons/4/46/BigData_2267x1146_white.png]
Analisis Media Sosial mengalami perkembangan dan perubahan mengikuti trend pengguna dan fitur-fitur media sosial. Analisis Media Sosial umumnya menggunakan tiga level analisis meliputi analisis media, analisis percakapan dan analisis jaringan.
Analisis media mencakup reach, engagement dan virality.
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.
Pada perkembangannya dapat dilakukan digital content analysis yang bisa secara kuantitatif atau kualitatif bahkan memadukan keduanya. Banyak hal yang luar biasa dapat dilakukan mengingat perkembangan yang sedemikian pesat di era digital ini.
Analisis Media Sosial dapat dimanfaatkan untuk kepentingan politik, bisnis, memantau penerimaan masyarakat terkait kebijakan/program yang dilakukan baik sebelum atau sesudah dilakukan, pergerakan kejahatan/kriminalitas, pergerakan sosial,
Pada pendalaman analisisnya digunakan Digital Ethnography yang setidaknya membuka pikiran kita bahwa terdapat internet culture yang cukup unik dan menarik, perilaku netizen yang unik dan tidak mudah ditebak juga ternyata internet adalah borderless with border.
Kalau dikelas saya akan berkata “jelas opo blas”
Selamat pagi, selamat beraktifitas, semoga sukses.
Irwan Dwi Arianto, M.I.Kom.
(irwan_dwiarianto.ilkom@upnjatim.ac.id)
Dosen
Teknologi Komunikasi – Jurnalistik Online – Komunikasi Organisasi – Komunikasi Kelompok
Kepala Laboratorium FFI (Cyber Communication)
Fakultas Ilmu Sosial dan Ilmu Politik
UPN “Veteran” Jawa Timur