Untuk menekan laju penyebaran virus Covid19, diperlukan pembatasan mobilitas. PPKM yang jadi jawaban, ternyata juga menimbulkan dampak ekonomi yang pahit. Bagaimana pro-kontranya hingga muncul berjilid tagar turunkan presiden?
Dalam seminggu terakhir, narasi penolakan dan berita demo terkait PPKM cukup tinggi volume percakapannya di media sosial, juga pemberitaan di media online.
SNA: TOLAK & DEMO PPKM
Terkait penolakan dan demo PPKM, ada dua cluster besar di Twitter. Cluster Pro Oposisi (mereka tak keberatan dengan label ini), dan cluster X (karena ada yg keberatan, saya tulis X saja).
Cluster Pro Oposisi cenderung negatif memandang PPKM ini, sehingga sentimennya negatif (merah). Sedangkan cluster X mixed antara positif dan negatif.
NARASI TOLAK & DEMO PPKM
Sebagai contoh, top narasi dari masing-masing cluster sebagai berikut. Dalam seminggu terakhir, Cluster Pro Oposisi banyak memberitakan dan kadang mendorong aksi-aksi demo penolakan PPKM di berbagai kota. Cluster X ada penolakan dan juga dukungan.
SNA di atas dibangun otomatis, berdasarkan data percakapan untuk keyword dan filter yg ditentukan sesuai topik, dan relasi retweet antar akun. Tidak ada database khusus akun Pro maupun Kontra. Mereka berkelompok karena perilaku retweet mereka.
TOP INFLUENCERS: TOLAK & DEMO PPKM
Akun-akun besar dari kedua cluster mewarnai top influencers topik ini.
NARASI PRO-KONTRA PPKM
Paling populer narasi dari akun @QaillaAsyiqah di Cluster Pro Oposisi, yg aktif memberitakan aksi-aksi demo di berbagai kota.
Dari cluster X ada @Dennysiregar7 yang sempat meminta PPKM Darurat dibatalkan.
Lebih lengkap, narasi pro-kontra PPKM bisa dilihat di tabel ini. Tampak bahwa akun @QaillaAsyiqah sangat aktif memberitakan aksi demo di berbagai kota.
KESIMPULAN PRO-KONTRA PPKM
1/ Dalam seminggu terakhir, narasi tolak PPKM dan demo tolak PPKM diramaikan oleh dua cluster: Pro Oposisi dan Cluster X (karena ada yang keberatan disebut afiliasinya, saya tulis X saja).
2/ Dari cluster Pro Oposisi, banyak memberitakan dan mendorong demo penolakan PPKM di berbagai kota yang diklaim dilakukan oleh berbagai elemen seperti pelajar, mahasiswa, pedagang, dan ojol.
3/ Dalam Cluster X juga ada yang menolak PPKM, meminta supaya dibatalkan, karena bisa membuat masyarakat bawah yang lapar meledak amarahnya dan begerak (demo).
4/ Dalam peta SNA tak tampak cluster mahasiswa dan pelajar yang turut mengangkat narasi tolak PPKM maupun ajakan demo tolak PPKM. Mayoritas oleh akun-akun yang selama ini pro Oposisi.
TAGAR PRO-KONTRA JOKOWI
Dari grafik top trending topic Twitter yang mengandung teks: *Jokowi* OR *presiden*, Drone Emprit menangkap serial tagar yang kontra Jokowi (kotak merah), dan yang pro Jokowi (kotak hijau).
Sebagian besar narasi yang diangkat dalam tagar-tagar tersebut bertujuan untuk turunkan Jokowi atau Presiden. Dan semuanya berhasil mencapai puncak trending topik Twitter di Indonesia.
Dari peta SNA ini tampak jelas bahwa tagar-tagar yang menghendaki Jokowi turun tersebut diangkat oleh satu cluster saja, yaitu cluster Pro Oposisi. Beberapa top akun dengan nama oposisi: @OposisiCerdas, @Oposisi_Kecil.
Dari total 8.569 akun yang aktif dalam percakapan, sebanyak 42.30% secara random berhasil di analisis kecenderungan botnya. Sebagian besar dilakukan oleh human, namun banyak yang karakteristiknya spt cyborg/bot, shg scorenya 2.14 (kuning).
Satu lagi kita lihat tagar ini. Setidaknya ada 2.865 akun yang ikut aktif dalam percakapan di cluster Pro Oposisi. Narasinya tarkait hutang, TKA, rezim yg represif, dan janji-janji yang dianggap belum terpenuhi selama 7 tahun ini.
4/ Kritik yang banyak disampaikan oleh berbagai pihak, baik dari kalangan akademisi, dokter, epidemiolog, aktivis, dan masyarakat luas atas lemahnya penanganan pandemi oleh pemerintah, jadi salah satu sumber isu yang digunakan Pro Oposisi untuk membangun narasi turunkan Jokowi.
Kenapa saya percaya Quick Count? Lihat ilustrasi ini.
Kita ingin menghitung Populasi yang di dalamnya ada kelompok A, B, dan C. Jumlah dan persentasenya seperti dalam kotak nomor #1, A=25%, B=50%, C=25%.
Saat melakukan Real Count seperti dalam kontak #2, butuh waktu lama karena jumlah populasinya banyak, sehingga baru sebagian yang terhitung. Saat menghitung, tidak dipilih-pilih secara proporsional dari A,B, atau C. First come first. Hasilnya, yang A terhitung semua, B baru sebagian, C paliing sedikit.
Akibatnya persentase A=43%, B=43%, C=14%. Si A seneng banget karena banyak presentasenya. Tapi kan ini tidak sesuai Populasi sebenarnya di kotak #1?
Kemudian ada Quick Count seperti dalam kotak #3. Yang dihitung lebih sedikit dari yang sudah dihitung di Real Count. Tapi yang dihitung sudah dipilih-pilih secara proporsional, dari A=1, B=2, dan C=1. Kalau diprosentase, hasilnya A=25%, B=50%, C=25%. Lho kok sama seperti prosentasi populasi?
Nah pertanyaan di kotak #4, mana yang lebih mendekati "Populasi sebenarnya"? Real Count yang belum selesai, atau Quick Count yang sudah kelar?
I love Statistics. 🩷🩷🩷
🔥🔥🔥
Bagaimana dengan Quick Count pada Pilpres 2024 ini?
Ini yang saya tahu ya, dari beberapa lembaga QC, ada yang deket ke 01, 02, atau 03.
Kedai Kopi, Om Hensat deket ke 01, hasilnya:
01=24.2%
02=58.96%
03=16.84%
LSI Denny JA, deket ke 02, hasilnya:
01=25.21%
02=58%
03=16.73%
Charta Politika, deket ke 03, hasilnya:
01=25.52%
02=57.30%
03=17.31%
Semua mirip. Selama metode multistage random sampling yang digunakan sudah benar, hasilnya juga ndak jauh beda.
Terus, masalahnya ada di mana?
Masalahnya bukan pada saat pencoblosan, Quick Count, atau Real Count. Tapi ada pada proses-proses sebelum itu, yang membuat rakyat akhirnya menghasilkan output seperti dalam QC dan RC ini.
QC dan RC ini memvalidasi hasil kerja keras dari proses, prakondisi, pengkodisian, kampanye, dll sebelum pencoblosan.
Apa saja proses-proses itu? Nah ini saya yo ndak tahu. Mungkin bisa dicek di film yang sempat viral sebelum hari H pencoblosan itu.
Di tengah atmosfer politik yang memanas menjelang Pemilu 2024 di Indonesia, munculnya film dokumenter 'Dirty Vote' telah membawa gelombang baru dalam diskusi publik tentang integritas pemilihan umum.
Bagaimana peta percakapan di Twitter, Tiktok, dan pemberitaan di media online tentang film "Dirty Vote" ini?
ANALISIS DRONE EMPRIT
TWITTER, TIKTOK, BERITA ONLINE
10-12 FEBRUARI 2024
METODOLOGI
• Sumber: Twitter, News, TikTok
• Periode tanggal: 10-12 Februari 2024
• Keyword: Dirty Vote, DirtyVote
TREN ”DIRTY VOTE” DI TWITTER
Volume percakapan sejak 10 Februari 2024 ketika film ini diumumkan akan dirilis di YouTube, kemudian saat diluncurkan pada 11 Febuari, hingga perdebatan di hari berikutnya, memperlihatkan tren yang terus meningkat.
Pada tanggal 10 Februari 2024, di Jakarta terjadi dua kampanye akbar terakhir dari dua paslon 01 dan 02. Penyebutan lokasi kampanye ini, JIS untuk paslon 01 dan GBK untuk paslon 02, menarik untuk dibandingkan.
Bagaimana popularitas kedua lokasi yang sering dibandingkan netizen ini? Lokasi mana yang paling sering disebut, bagaimana interaksinya?
Sejak tanggal 7 Februari hingga hari H acara tanggal 10 Februari 2024, trend percakapan di Twitter tentang JIS selalu lebih tinggi dibandingkan tentang GBK. Puncaknya mention keduanya terjadi pada tanggal 10 Februari 2024.
DE memonitor percakapan di IG. Namun karena keterbatasan hasil crawling IG Search, hasilnya mungkin tidak menggambarkan kondisi sebenarnya. IG Search hanya menampilkan postingan yang mengandung hashtags yang kita cari. Kata-kata biasa tidak muncul dalam pencarian. Banyak selebritis yang tidak memakai hashtags, jadinya tidak tertangkap.
Dengan catatan keterbatasan IG Search ini, saya share perbandingan postingan terkait ketiga paslon Pilpres 2024 di Instagram.
INSTAGRAM
21 JANUARI - 3 FEBRUARI 2024
METODOLOGI
Sumber: Instagram
Metode crawling: IG Search yang hanya berbasis hashtags.
Kelemahan: jika sebuah post di dalam caption tidak ada hashtags, maka IG Search tidak akan menampilkan post dalam hasil pencarian.
Periode: 21 Januari - 3 Februari 2024
Keywords/Hashtags: lihat tabel
TOTAL POSTS (MENTIONS)
Post atau mention adalah video atau gambar yang diupload netizen di IG, yang mengandung hashtags dalam caption yang dicrawling. Komentar tidak dicrawling.
TREND
Dari grafik trend ini tampak bahwa paslon 01 dan paslon 02 bergantian menempati posisi atas dalam trend jumlah post di IG dalam periode 21 Jan-3 Feb 2-24. Paslon 03 berada dalam posisi ketiga.
TOTAL POST
Total post dalam periode ini memperlihatkan paslon 02 sedikit di atas paslon 01, dan terakhir adalah paslon 03.