643-655 Fix
643-655 Fix
643-655 Fix
ABSTRAK
Penggunaan tagar dalam media sosial merupakan salah satu bentuk perilaku penggunanya
dalam menunjukkan dukungan atau penolakan terhadap suatu isu. Pada isu terkait
kebencanaan misalnya, pengguna media sosial membuat suatu tagar terhadap isu tersebut dan
kemudian menggunakannya tidak hanya untuk menyebarluaskan informasi terkait isu tersebut
di dunia maya, namun juga mengajak berbagai lapisan pengguna media sosial untuk
memberikan dukungannya hingga membentuk suatu kebersamaan daring atau virtual
togetherness. Tujuan dari penelitian ini adalah untuk mengkaji peran tagar #PrayForBali dalam
membentuk virtual togetherness saat terjadinya bencana di Provinsi Bali dengan melihat
bagaimana struktur jaringan yang terbentuk, pemetaan berdasarkan klaster media sosial
Twitter, serta akun Twitter mana saja yang menjadi aktor paling berpengaruh terkait
percakapan tagar tersebut. Metode penelitian ini adalah Social Network Analysis atau SNA
dengan menggunakan perangkat lunak Gephi sebagai alat analisis dan visualisasi data. Hasil
penelitian menunjukkan virtual togetherness yang terbentuk melalui #PrayForBali bukan
berdasarkan kedekatan atau keterkaitan antar aktor, namun terjadi secara individual pada
masing-masing aktor terhadap percakapan media sosial yang dibentuk melalui tagar tersebut
dengan masing-masing pengaruh yang mereka miliki.
Kata kunci
Bencana, Media Sosial, Social Network Analysis, Virtual Togetherness
ABSTRACT
The use of hashtags in social media is a form of user behaviour in showing support or rejection
of an issue. On issues related to disasters, for example, social media users create a hashtag for
that issue and then use it not only to disseminate information related to this issue in cyberspace
but also to invite various layers of social media users to provide their support and even form an
online togetherness or virtual togetherness. The purpose of this study is to examine the role of
the #PrayForBali hashtag in forming virtual togetherness during a disaster in the Province of
Bali by looking at how the network structure is formed, mapping based on Twitter social media
clusters, and which Twitter accounts are the most influential actors related to the hashtag
conversation. The method of this study is Social Network Analysis or SNA using Gephi software
as a visualization and data analysis tool. The results of this study show that the virtual
togetherness that is formed through #PrayForBali is not based on closeness or linkages between
actors but occurs individually for each actor on social media conversations formed through
these hashtags with each influence they have.
Keywords
Disaster, Social Media, Social Network Analysis, Virtual Togetherness
643
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
Pendahuluan
Terjadinya sejumlah bencana alam di berbagai wilayah Provinsi Bali yang
diakibatkan cuaca ekstrem sejak tanggal 16 Oktober 2022 telah menimbulkan korban
jiwa dan mengakibatkan kerugian materiel maupun imateriel. Bencana alam yang terjadi
antara lain banjir bandang dan tanah longsor yang menyebabkan terputusnya akses
transportasi serta kerusakan infrastruktur, rumah warga, dan kendaraan. Hal ini sudah
diperingatkan oleh Badan Meteorologi Klimatologi dan Geofisika (BMKG) bahwa selama
bulan Oktober 2022, wilayah Indonesia akan berpotensi mengalami fenomena alam
seperti angin kencang, gelombang tinggi, dan hujan deras disertai petir (Ibrahim, 2022).
BMKG menghimbau kepada para pemangku kebijakan daerah dan masyarakat setempat
agar turut meningkatkan kewaspadaan. Selain itu BMKG juga mengarahkan agar instansi
pemerintah lainnya meningkatkan koordinasi di seluruh daerah untuk tetap
memberikan informasi terkait cuaca, salah satunya melalui media sosial.
Isu terkait bencana alam di Provinsi Bali tersebut kemudian ramai dibicarakan dan
dibahas pada media sosial Twitter dengan kemunculan tagar bernama #PrayForBali.
Salah satu akun Twitter yang memposting isu tersebut yaitu @mpujayaprema yang
mengunggah video banjir tengah melanda kawasan Ubud sehingga terdapat beberapa
motor dan mobil hanyut diterjang banjir. Video yang diunggah pada media sosial Twitter
tersebut kemudian viral dan menjadi trending topic pada bulan Oktober 2022
(Ramadhani, 2022). Akun yang diketahui milik Mpu Jaya Prema Ananda adalah seorang
wartawan dan sastrawan yang lahir di Bali. Dia juga pernah menjadi wartawan
dibeberapa media diantaranya Angkatan Bersenjata Edisi Nusatenggara, Berita Yudha,
Bali Pos, Forum Keadilan, dan juga majalah Tempo. Menurutnya, alasan menggunakan
media sosial karena untuk sarana komunikasi dharma wacana dan memperoleh
kebebasan berpendapat (Muhajir, 2012).
Berkaitan dengan fenomena tersebut, keberadaan media sosial di Indonesia
menjadi sarana penting bagi masyarakat untuk berkomunikasi saat terjadi bencana
alam, sebagian besar dari mereka menggunakannya untuk mendapatkan informasi
terkini (Safitri et al., 2021). Lebih lanjut menurut Safitri, dalam konteks bencana, Twitter
menjadi media sosial tercepat dalam membagikan informasi dibandingkan platform
lainnya. Dengan basis percakapan yang hanya memerlukan 280 karakter, Twitter
menjadi media yang tepat dalam penanganan krisis bila dilihat dari perkembangan
universal, tingkat korespondensi, dan ketersediaan lintas media.
Penggunaan tagar terkait bencana alam seperti ini juga pernah terjadi sebelumnya,
contohnya yaitu #PrayForLombok. Isu terkait bencana alam berupa gempa bumi yang
melanda Provinsi Nusa Tenggara Barat khususnya Kota Lombok pada tahun 2018 lalu
menjadi trending topic di berbagai platform media sosial Indonesia. Berdasarkan
penelitian Ida et al. (2022), jaringan komunikasi pada media sosial yang terbentuk
selama fenomena tersebut berpengaruh terhadap opini publik dan sikap sosial
masyarakat dalam menanggapi isu bencana alam di Indonesia. Sementara pola jaringan
644
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
komunikasi sosial pada lingkup lokal khususnya terkait arus informasi yang digunakan
komunitas setempat, dipengaruhi oleh budaya komunikasi dan waktu mengakses
informasi terkait bencana tersebut.
Perilaku atau sikap pengguna media sosial dalam menyebarkan informasi terkait
bencana alam yang disebutkan diatas merupakan salah satu bentuk virtual togetherness.
Menurut Bakardjieva (2003), virtual togetherness merupakan keterikatan dengan orang
lain secara daring. Istilah ini menggambarkan bagaimana kita berinteraksi secara daring,
serta berperilaku dan bertindak bersama-sama secara berkelanjutan. Konsep tersebut
diasumsikan mendasari kemunculan bermacam tagar bersifat kepedulian dan
kebersamaan pada trending topic media sosial yang menjadi perhatian publik. Sehingga
tujuan penelitian ini adalah untuk melakukan kajian terhadap peran tagar #PrayForBali
dalam membentuk virtual togetherness saat terjadinya bencana di Provinsi Bali dengan
melihat bagaimana struktur jaringan yang terbentuk, pemetaan berdasarkan klaster
media sosial Twitter, serta akun Twitter mana saja yang menjadi aktor paling
berpengaruh.
Penelitian terkait penggunaan media sosial terhadap bencana alam pernah
dilakukan sebelumnya seperti pada bencana Topan Haiyan di Filipina (Takahashi et al.,
2015). Dalam penelitian tersebut, media sosial dianggap sebagai kunci saluran
komunikasi yang fungsinya melengkapi saluran komunikasi tradisional. Jenis media
sosial yang dikaji yaitu Twitter dengan beberapa tagar terkait bencana tersebut, dengan
rentang waktu saat terjadinya bencana dan sesudahnya. Kemudian faktor penggunaan
Twitter terbagi menjadi dua, yaitu secara eksternal yang meliputi waktu percakapan
tagar dan lokasi geografis, serta secara internal yang meliputi jenis stakeholder terkait
dan kedekatan dalam media sosial. Sedangkan alat pengumpulan dan analisis data yang
digunakan adalah perangkat lunak Nvivo.
Di Indonesia sendiri, penelitian yang mengkaji manajemen kebencanaan dengan
menggunakan media sosial Twitter juga dilakukan oleh Kurniawan et al. (2021). Namun
cakupan dalam penelitian tersebut lebih luas dan beragam, yaitu banjir, tanah longsor,
gempa bumi, serta erupsi gunung berapi. Rentang waktu penelitian dibatasi pada bulan
Januari 2021, dimana terjadi berbagai bencana alam secara bersamaan di wilayah
Indonesia, hal ini membuat tagar yang diteliti turut menyesuaikan dengan jenis bencana
alam yang ada. Penelitian ini berfokus pada penggunaan media sosial Twitter sebagai
alat mitigasi kebencanaan dan mengidentifikasi perbedaan pola komunikasi dalam
percakapan tagar berdasarkan jenis bencana. Sedangkan alat analisis konten dan data
media sosial sama seperti Takahashi et al. (2015) yaitu Nvivo.
Dari beberapa penelitian yang disebutkan di atas, maka terdapat beberapa
perbedaan utama yaitu dari segi pemilihan alat atau perangkat lunak untuk
pengumpulan dan analisis data, serta penggunaan konsep penelitian sebagai dasar dari
kerangka pemikiran. Pengumpulan dan analisis data dalam penelitian Takahashi et al.
(2015) dan Kurniawan et al. (2021) menggunakan Nvivo, lalu pada penelitian terkait
#PrayForLombok oleh Ida et al. (2022) menggunakan media sosial Facebook dan
perangkat lunak NodeXL, sedangkan dalam penelitian ini menggunakan perangkat lunak
Gephi dengan konsep virtual togetherness.
Pesatnya perkembangan teknologi informasi membuat masyarakat kini hidup di
antara dua konsepsi kehidupan, yaitu dunia nyata dan virtual. Internet kemudian
menjadi kebutuhan lain yang harus dipenuhi bagi sebagian besar masyarakat modern.
Salah satu media yang memerlukan koneksi internet adalah media sosial, dimana media
ini telah memberikan dampak dan perubahan besar dalam bidang komunikasi. Media
sosial adalah suatu platform dengan fasilitas yang membuat penggunanya dapat
melakukan aktivitas sosial serta memungkinkan mereka untuk berinteraksi dalam dunia
virtual. Melalui media sosial kita dapat melakukan berbagai pertukaran, kolaborasi, dan
saling berkenalan dalam bentuk tulisan maupun audiovisual (Carr & Hayes, 2015).
Menurut Kwak et al. (2010), Twitter adalah layanan microblogging daring yang
mendistribusikan pesan singkat tidak lebih dari 280 karakter atau disebut tweet, dan hal
itu diklaim berpengaruh dalam membentuk politik dan budaya di awal abad ke-21.
Pengguna mengetik tweet dan mengirimkannya ke server Twitter, lalu meneruskannya
ke daftar pengguna lain (dikenal sebagai pengikut) yang telah mendaftar untuk
menerima pesan pengirim. Selain itu, pengguna dapat memilih untuk melacak topik
tertentu dengan menelusuri tagar, membuat semacam dialog, dan mendorong jumlah
pengikut diumpan Twitter tertentu.
Kehadiran media sosial seperti Twitter menurut Carr & Hayes (2015), berimplikasi
terhadap perkembangan karakteristik dan tantangan sosial dalam dunia komunikasi.
Karakteristik yang dimaksud merupakan produk samping dari proses komunikasi,
sehingga sulit untuk memprediksi semua implikasi media sosial. Selain itu, aspek
tantangan sosial yang sangat dinamis pada media sosial juga berpengaruh kepada
perubahan paradigma komunikasi. Perubahan tersebut antara lain mempertimbangkan
konsep baru yang muncul akibat keberadaan media sosial, salah satunya virtual
togetherness.
Modzelewski (2013) berpendapat bahwa konsep virtual togetherness dimulai dari
komunitas daring. Menurutnya, komunitas daring merupakan ruang sosial virtual
dimana orang berkumpul untuk mendapatkan dan memberikan informasi atau
dukungan, untuk mempelajari sesuatu, atau untuk menemukan kesamaan. Namun
baginya, komunitas ini sering disalahartikan oleh para kritikus sebagai dunia digital yang
dingin dan tidak hidup. Selanjutnya Bakardjieva (dalam Modzelewski, 2013)
mengungkapkan komunitas dan kebersamaan virtual ini bukanlah komunitas yang
nyata atau asli, tetapi konsumsi terisolasi dari barang dan jasa digital dalam ranah
keberadaan partikularistik.
Lebih lanjut Bakardjieva (2003) menyebutkan bahwa kebersamaan yang terjalin
tidak hanya terjadi pada komunitas, namun dapat terjadi pada tingkat individu pengguna
media daring mengingat sifat anonimitas yang melekat. Pada dasarnya informasi apapun
yang diproduksi dan dianggap bernilai oleh pengguna lainnya baik berupa konten,
646
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
Metode
Metode yang digunakan dalam penelitian ini adalah Analisis Jaringan Sosial (Social
Network Analysis/SNA) menggunakan perangkat lunak Gephi. SNA merupakan metode
yang digunakan untuk mendeskripsikan dan menjelaskan jaringan sosial beserta
strukturnya. Jaringan yang dimaksud yaitu seperangkat aktor (node) pada akun media
sosial yang mempunyai relasi tertentu (Lindgren, 2017). Relasi disini dapat berupa
retweet, reply, atau mention. Relasi dalam jaringan divisualisasikan melalui aktor (node)
dan tautan (edge), dimana aktor adalah akun media sosial dan tautan adalah relasi di
antara aktor tersebut. Sedangkan Gephi adalah salah satu perangkat lunak yang dapat
digunakan untuk metode SNA. Melalui perangkat lunak ini, peneliti dapat menyajikan
visualisasi, mengolah, dan menganalisis data jaringan sosial (Rogers, 2019). Dalam
menggunakan Gephi terdapat beberapa tahapan yaitu import data, visualisasi dan
analisis statistik jaringan, mendeteksi klaster (pengelompokan) atau komunitas yang
terbentuk dalam jaringan, serta eksport data untuk selanjutnya dilakukan interpretasi
hasil penelitian.
Tahapan penelitian dimulai dengan melakukan advanced search pada Twitter
dengan spesifik tagar #PrayForBali, dari tanggal 14-21 Oktober 2022, lalu kemudian
648
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
menyalin hasil advanced search pada Twitter dan menempel pada web penganalisis teks
dan jaringan sosial. Dari hasil advanced search Twitter pada kolom dataset name yaitu
(#prayforbali) until:2022-10-21 since:2022-10-14, ditemukan dataset source dari
Twitter dengan total messages sebanyak 10.000, dan unique posters sebanyak 6.381.
Pada analisis teks diketahui bahwa kata-kata yang terkait dengan tagar #PrayForBali
dari percakapan di Twitter yang paling banyak digunakan adalah tagar itu sendiri.
Analisis teks lebih lanjut terhadap 30 kata yang paling banyak ditautkan dengan hasil
tagar #PrayForBali digunakan oleh 9.993 tweet. Data percakapan yang sudah diperoleh
tersebut kemudian dilakukan import data ke Gephi untuk dilakukan analisis berupa
visualisasi jaringan, mendeteksi klaster, dan identifikasi jenis jaringan.
Virtual
togetherness
SNA-Gephi:
• Visualisasi
jaringan
Data crawling
• Mendeteksi Interpretasi
percakapan
klaster
#PrayForBali
• Identifikasi
Jenis Jaringan
untuk berperan lebih mendalam ketika terjadi bencana alam terutama dalam hal
manajemen, respon, dan perintah kedaruratan. Analisis data menggunakan NodeXL
lebih lanjut mengidentifikasi dua aktor yang paling dominan, namun tidak ditemukan
nilai degree keterhubungan sosial di antara keduanya. Sedangkan pada penelitian ini
yang menggunakan Gephi terlihat jaringan sosial yang terbentuk dari masing-masing
aktor dengan tingkat degree melalui visualisasi jaringan.
Gambar 2. Visualisasi Jaringan #PrayForBali
650
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
Berdasarkan data Tabel 1 menunjukkan 5 (lima) aktor dengan degree paling tinggi,
yaitu menunjukkan popularitas aktor dalam jaringan ini. Semakin tinggi nilainya maka
aktor tersebut semakin populer. Hal ini ditunjukkan dengan nilai degree yang paling
tinggi, artinya banyak aktor lain yang berkomunikasi dengan aktor tersebut. Pada Tabel
1 menunjukkan aktor yang paling populer dalam tagar #PrayForBali adalah
“mpujayaprema” dengan nilai degree sebanyak 1.336. Artinya, link yang dimiliki aktor
“mpujayaprema” dalam percakapan tagar tersebut sebanyak 1.336 dengan aktor
lainnya. Jenis jaringan degree diartikan sebagai jumlah relasi antara satu aktor dengan
aktor lainnya dalam jaringan. Degree menunjukkan popularitas dari aktor, artinya aktor
dengan degree tinggi menunjukkan aktor tersebut mempunyai banyak relasi dengan
aktor lain (Wajahat et al., 2020).
Gambar 3. Visualisasi Aktor dengan Degree Tertinggi
Kesimpulan
Agar memperoleh visualisasi jaringan yang dikehendaki pada Gephi, peneliti perlu
menganalisis data lalu menggunakannya untuk divisualisasikan berdasarkan
pendekatan algoritma yang sesuai dengan kapasitas jaringan. Setelah itu, klaster yang
telah terdeteksi digunakan untuk memetakannya berdasarkan aktor mana saja yang
paling berpengaruh terhadap tagar yang dituju (Rogers, 2019). Dengan menggunakan
Gephi, peneliti dapat menyusun tingkatan aktor mana yang memiliki sentralitas
terendah hingga tertinggi dan mengatur tata letak visualisasi jaringan, sehingga dapat
terlihat node atau aktor mana yang memiliki sentralitas terpenting dalam percakapan
suatu tagar di Twitter.
Dari hasil pengolahan data melalui perangkat lunak Gephi dengan tagar
#PrayForBali dapat diketahui bahwa aktor “mpujayaprema” memiliki nilai degree,
652
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
eigenvektor, dan modularitas tertinggi di antara aktor lainnya. Namun aktor tersebut
tidak memiliki nilai closeness centrality dan betweenness centrality atau 0. Meski
demikian, hal ini sejalan dengan konsep virtual togetherness di mana kebersamaan yang
terjalin bukan berdasarkan kedekatan atau keterkaitan antar aktor, namun terjadi
secara individual pada masing-masing aktor atau pengguna media sosial terhadap suatu
percakapan (dalam hal ini tagar #PrayForBali) dengan masing-masing pengaruh yang
dimilikinya.
Namun terdapat beberapa keterbatasan dalam penelitian ini yaitu dari segi
rentang waktu dataset, pengembangan konsep, serta penelusuran lebih lanjut terkait
aktor yang paling berpengaruh. Rekomendasi untuk penelitian berikutnya terkait tagar
sejenis dan menggunakan metode SNA yaitu: 1) dalam hal rentang waktu dataset dapat
diperluas hingga mencapai puncak percakapan, di mana dalam penelitian ini terbatas
oleh waktu penyelesaian penelitian; 2) konsep komunikasi lainnya dapat digunakan
dengan menyesuaikan jenis percakapan maupun tagar yang dipilih dan tidak sebatas
secara virtual; serta 3) berbagai nilai sentralitas sebagaimana yang diuraikan melalui
Gephi perlu didukung dengan penelusuran maupun kajian lebih lanjut terhadap aktor
dominan agar memperkuat masing-masing nilai tersebut.
Referensi
Bakardjieva, M. (2003). Virtual togetherness: An everyday-life perspective. Media,
Culture & Society, 25(3), 291-313.
https://doi.org/10.1177/0163443703025003001
Carr, C. T., & Hayes, R. A. (2015). Social Media: Defining, Developing, and Divining.
Atlantic Journal of Communication, 23(1), 46–65.
https://doi.org/10.1080/15456870.2015.972282
Hacker, J., vom Brocke, J., Handali, J., Otto, M., & Schneider, J. (2020). Virtually in this
together–how web-conferencing systems enabled a new virtual togetherness
during the COVID-19 crisis. European Journal of Information Systems, 29(5), 563–
584. https://doi.org/10.1080/0960085X.2020.1814680
Hadiana, A. I., & Witanti, W. (2017). Analisis Jejaring Sosial Menggunakan Social Network
Analysis untuk Membantu Social CRM bagi UMKM di Cimahi.
http://repository.unikom.ac.id/id/eprint/54583
Ibrahim. (2022, October 15). Waspada Potensi Cuaca Ekstrem Masih Berlanjut untuk
Sepekan ke Depan (15-21 Oktober 2022). Diakses pada 21 Desember 2022, dari
https://www.bmkg.go.id/berita/?p=waspada-potensi-cuaca-ekstrem-masih-
berlanjut-untuk-sepekan-ke-depan-15-21-oktober-2022&lang=ID&tag=press-
release
Ida, R., Gunawan, E., Widiyantoro, S., Sunarti, E., Marliyani, G. I., & Maulidiyah, L. (2022).
Social networks and local communication network patterns following the
destructive 2018 Lombok, Indonesia, earthquake sequence. Geomatics, Natural
Hazards and Risk, 13(1), 451–473.
https://doi.org/10.1080/19475705.2022.2033854
Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index
DOI: http://dx.doi.org/ 10.52423/jikuho.v8i4.108
653
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655
Kurniawan, D., Sutan, A. J., Nurmandi, A., Loilatu, M. J., & Salahudin. (2021, July). Social
Media as Tools of Disaster Mitigation, Studies on Natural Disasters in Indonesia.
Paper presented at the 375-382. https://doi.org/10.1007/978-3-030-90179-
0_48
Kwak, H., Lee, C., Park, H., & Moon, S. (2010). What is twitter, a social network or a news
media? Paper presented at the 591-600.
https://doi.org/10.1145/1772690.1772751
Lindgren, S. (2017). Digital media and society. London: Sage Publications.
Modzelewski, R. (2013). Virtual Togetherness: Sense of Identity and Community in
Cyberspace. Crossroads: A Journal of English Studies, 1(1), 37-53.
Muhajir, A. (2012, September 21). Mpu Jaya Prema Ananda, Berdarma Wacana Melalui
Social Media. Diakses pada 21 Desember 2022, dari
https://balebengong.id/mpu-jaya-prema-ananda-berdarma-wacana-melalui-
social-media/
Negara, E. S., & Andryani, R. (2018). A Review on Overlapping and Non-Overlapping
Community Detection Algorithms for Social Network Analytics. Far East Journal
of Electronics and Communications, 18(1), 1–27.
https://doi.org/10.17654/ec018010001
Pavlopoulos, G. A., Paez-Espino, D., Kyrpides, N. C., & Iliopoulos, I. (2017). Empirical
Comparison of Visualization Tools for Larger-Scale Network Analysis. Advances
in Bioinformatics (Vol. 2017). https://doi.org/10.1155/2017/1278932
Ramadhani, N. F. (2022, October 18). Tagar Pray For Bali Menjadi Trending Topic di
Twitter, Warganet: Semoga Bencana Cepat Berhenti. Diakses pada 21 Desember
2022, dari https://www.suaramerdeka.com/nasional/pr-045242052/tagar-
pray-for-bali-menjadi-trending-topic-di-twitter-warganet-semoga-bencana-
cepat-berhenti.
Rogers, R. (2019). Doing Digital Methods. London: Sage Publications.
Safitri, Y., Angeline, M., & Wibowo, D. (2021). Tweeps and their tweeting behavior
during natural disaster. IOP Conference Series: Earth and Environmental Science,
729(1). https://doi.org/10.1088/1755-1315/729/1/012083
Sugiarta, A. I., Syamsuar, D., & Negara, E. S. (2018). Analisis Sentralitas Aktor pada
Struktur Jaringan Politik dengan Menggunakan Metode Social Network Analysis
(SNA) : Studi Kasus Group Facebook Lembaga Survei Sosial Media. SEMNASTIK
(Vol. 1, No. 1, pp. 203-209).
Takahashi, B., Tandoc, E. C., & Carmichael, C. (2015). Communicating on twitter during
a disaster: An analysis of tweets during typhoon haiyan in the philippines.
Computers in Human Behavior, 50, 392-398.
https://doi.org/10.1016/j.chb.2015.04.020
Thelwall, M., & Wilkinson, D. (2010). Public dialogs in social network sites: What is their
purpose? Journal of the American Society for Information Science and Technology,
61(2), 392–404. https://doi.org/10.1002/asi.21241
654
Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Komunikasi dan Informasi
Volume 8, No. 4, 2023, hlm 643-655