643-655 Fix

Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Sosial dan Informasi
Volume 8. No. 4. (2023), hlm 643-655

ISSN Online: 2527-9173
Received: June, 26, 2023 | Reviewed: July, 31, 2023 | Accepted: August, 31, 2023
ANALISIS JARINGAN SOSIAL TERHADAP PEMBENTUKAN VIRTUAL

TOGETHERNESS MELALUI TAGAR #PRAYFORBALI
Astaf Aji Pranaya
Program Magister Ilmu Komunikasi, FISIP, Universitas Indonesia, Jakarta, Indonesia;
[email protected]
*Correspondence: [email protected]
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
Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

DOI: http://dx.doi.org/ 10.52423/jikuho.v8i4.108
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
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

645
Volume 8, No. 4, 2023, hlm 643-655
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
Volume 8, No. 4, 2023, hlm 643-655
hubungan, atau budaya, merepresentasikan interaksi antar pengguna menuju

kebersamaan. Kebersamaan tersebut menurutnya tidak selalu berupa interaksi fisik,
karena virtualitas dapat mewakili kehadiran fisik ketika terdapat batasan. Sedangkan
pada penelitian Hacker et al. (2020) menunjukkan bahwa sistem konferensi berbasis
web seperti Zoom memberikan virtual togetherness baru, aktivitas dan acara sosial
bersama, serta pertemuan yang tidak dapat terjadi sebelumnya. Menurutnya, terdapat
kendala yang muncul dari digitalisasi kehidupan yang tidak terduga dan tanpa syarat
seperti meningkatnya paparan ruang hidup pribadi masyarakat. Penelitian tersebut
diharapkan dapat berkontribusi untuk membingkai digitalisasi sepihak ini sebagai
peluang untuk mengeksplorasi praktik digital baru yang lebih bermanfaat.
Konsep virtual togetherness memberikan makna baru dalam kajian terhadap
jaringan sosial. Selama ini jaringan sosial yang terjadi di dunia nyata tanpa disadari dapat
tergantikan dengan jaringan yang terbentuk pada dunia virtual. Media sosial menjadi
pemicu bagaimana konsep ini berkembang dan menarik untuk diteliti. Seperti yang
diketahui, pendekatan pengguna media sosial berdasarkan motivasi situasional,
kebutuhan, dan persepsi. Dalam melakukan hal tersebut, mereka membentuk
penggunaan genre berulang dengan pertimbangan dan evaluasi seksama dari masing-
masing. Dalam hal ini bagaimana konsep virtual togetherness mendasari pengguna media
sosial Twitter untuk menjalankan perannya sebagai aktor virtual melalui tagar
#PrayForBali.
Jaringan sosial merupakan teori yang memperlihatkan perbedaan nyata
dibandingkan jenis teori sosial lain yang mendefinisikan masyarakat dibangun
berdasarkan individu. Hubungan antara individu dan masyarakat itu sendiri terbentuk
dari kumpulan relasi atau ikatan antara aktor (Williams & Durrance, 2008). Jaringan
sosial juga dapat dikaji melalui metode yang multidisiplin. Metode ini dikemukakan oleh
berbagai ahli dari disiplin ilmu yang berbeda selain matematika dan komputer. Disiplin
ilmu yang memberikan sumbangan pada kemunculan dan perkembangan metode
jaringan adalah psikologi, sosiologi, antropologi, dan komunikasi (Eriyanto, dalam
Sugiarta et al., 2018). Jaringan sosial memiliki kontribusi yang signifikan dalam
perkembangan teknologi saat ini. Setiap orang dapat terhubung satu sama lain dengan
memanfaatkan jaringan sosial seperti pada beragam platform media sosial. Pemanfaatan
data jaringan sosial juga telah banyak diterapkan dibidang lainnya seperti jaringan
peneliti, maupun jaringan pertemanan atau pengikut di media sosial. Salah satu bentuk
pemanfaatan data jaringan sosial adalah memanfaatkan algoritma komunitas untuk
mendeteksi interaksi pada media sosial dengan menggunakan perangkat dan kerangka
kerja analisis jaringan sosial (Negara & Andryani, 2018).
Dari berbagai definisi tersebut maka jaringan sosial dapat didefinisikan sebagai
konsep, metode, teori, ataupun sistem yang saling berhubungan pada aspek sosial
tertentu. Definisi tersebut dalam disiplin ilmu komputer dikenal dengan situs jaringan
sosial atau social network site (SNSs). SNSs merupakan salah satu kategori media sosial
yang membangun komunitas pertemanan atau jaringan pertemanan individual dan

647
Volume 8, No. 4, 2023, hlm 643-655
hubungan sosial yang memungkinkan penggunanya untuk saling berkomunikasi dan

berbagi konten (Thelwall & Wilkinson, 2010). Misalnya dalam suatu percakapan di
Twitter, terdapat pola atau struktur jaringan politik yang memungkinkan untuk
dianalisis menggunakan metode SNA baik melalui aktor atau akun yang memulai
percakapan, maupun bagaimana topik berbentuk tagar menjadi perhatian sosial. Dengan
menggunakan metode ini dapat menampilkan tautan graf untuk mengetahui seberapa
banyak interaksi yang terjadi dan apa saja yang sedang dibicarakan oleh aktor dalam
media sosial.
SNA merupakan sebuah metode yang digunakan untuk menganalisis struktur
jaringan sosial dengan berbagai elemen dalam lingkungan sosial yang saling
berhubungan. Berbeda dengan ilmu sosial dan perilaku, SNA didasarkan pada sebuah
interpretasi pentingnya hubungan antar aktor. Interpretasi pentingnya hubungan
tersebut adalah bagaimana hubungan itu dapat terbentuk, seberapa kuat hubungan
terjadi, apakah hubungan terjadi satu arah atau dua arah, dan bagaimana hubungan
difasilitasi. Lalu pada media apa hubungan terjadi hingga ke aplikasi lainnya seperti
siapa yang memiliki hubungan paling banyak, siapa yang terisolasi dalam jaringan,
bagaimana jarak dan rentang antar masing-masing aktor, dan seterusnya (Hadiana &
Witanti, 2017). Melalui SNA, peneliti dapat menentukan aktor sentral melalui berbagai
fitur seperti modularitas, closeness, ataupun betweenness, serta memvisualisasikan
jaringan sosial yang terbentuk oleh suatu percakapan seperti yang akan dijelaskan pada
pembahasan selanjutnya.
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
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.
Gambar 1. Kerangka Pemikiran
Virtual
togetherness
SNA-Gephi:
• Visualisasi
jaringan
Data crawling
• Mendeteksi Interpretasi
percakapan
klaster
#PrayForBali
• Identifikasi
Jenis Jaringan
Sumber: Peneliti (2022)
Hasil dan Pembahasan

Berdasarkan visualisasi jaringan, identifikasi klaster, dan jenis jaringan pada
Gephi, maka peneliti dapat menginterpretasikan percakapan yang terjadi dalam tagar
media sosial Twitter serta mengidentifikasi aktor atau akun mana yang memiliki peran
terpenting. Berbeda dengan penelitian Takahashi et al. (2015) dan Kurniawan et al.
(2021) yang menggunakan Nvivo, hasil penelitian mereka lebih menunjukkan
keterlibatan aktor mana saja dalam percakapan tagar yang memenuhi kriteria tujuan
penelitian seperti diseminasi informasi, upaya koordinasi, pengingat bagi mereka yang
terdampak, hingga bagaimana tagar yang ada dimanfaatkan untuk menarik simpati,
empati, relawan, bantuan, dan hal lainnya yang bersifat nyata. Sedangkan pada
penelitian ini, seperti yang digambarkan melalui konsep virtual togetherness bahwa
jaringan kebersamaan yang terbentuk bersifat maya.
Pada penelitian Ida et al. (2022), analisis yang dilakukan lebih menekankan pada
implementasi sistem desentralisasi di Indonesia dalam penanganan bencana melalui
interpretasi percakapan yang terjadi dalam media sosial. Selain itu dengan adanya
sistem desentralisasi menunjukkan keleluasaan otoritas pada pihak lokal dan regional
649
Volume 8, No. 4, 2023, hlm 643-655
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

Pada tahap visualisasi jaringan, pola hubungan antar aktor pada tagar
#PrayForBali digambarkan dengan graf algoritma Yifan Hu. Peneliti memilih algoritma
Yifan Hu karena bekerja dengan sangat baik pada pola jaringan yang besar, dan dapat
menyatukan tautan-tautan yang lebih spesifik untuk mengurangi kompleksitas
algoritma (Pavlopoulos et al., 2017). Selanjutnya berdasarkan olah data pada perangkat
lunak Gephi dengan dataset tagar #PrayForBali maka diperoleh data sebagai berikut:
Tabel 1. Aktor dengan Degree Tertinggi
No. Akun Degree
1. mpujayaprema 1.336
2. rangermounts 864
3. simpangan2024 362
4. persija_jkt 315 315
5. __innuka__ 285

650
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

Langkah selanjutnya untuk dapat melihat aktor yang paling berpengaruh dalam
sebuah jaringan, maka perlu diperhatikan nilai lainnya seperti eigenvektor dan
modularitas yang ditunjukkan pada data di bawah ini.
Tabel 2. Aktor dengan Eigenvektor Tertinggi
No. Akun Eigenvektor
1. mpujayaprema 1.0
2. rangermounts 0.650085
3. simpangan2024 0.27363
4. persija_jkt 315 0.235706
5. __innuka__ 0.213574

651
Volume 8, No. 4, 2023, hlm 643-655
Nilai eigenvektor menunjukkan seberapa penting orang yang mempunyai jaringan

dengan aktor. Nilai eigenvektor diukur dari angka 0 hingga 1, jika nilainya mendekati 1
maka aktor tersebut semakin tinggi posisinya. Dari data pada Tabel 3 nilai eigenvektor
paling tinggi adalah aktor “mpujayaprema” dengan nilai eigenvektor sebesar 1, artinya
aktor tersebut memiliki posisi tertinggi dalam #PrayForBali. Pengukuran jenis jaringan
ini terkait dengan seberapa penting atau berharganya suatu aktor dalam jejaring sosial,
dimana aktor tersebut berperan sebagai penghubung bagi individu atau kelompok
lainnya yang tidak saling terhubung sebelumnya (Umadevi, 2013).
Tabel 3. Aktor dengan Modularitas Tertinggi
No. Akun Modularitas
1. mpujayaprema 1.283
2. rangermounts 1.231
3. simpangan2024 38
4. persija_jkt 315 1.127
5. __innuka__ 1.159
Jaringan dengan jumlah aktor yang besar seperti pada Twitter ditandai oleh
pengelompokan dari aktor-aktor tersebut. Dari sekian banyak aktor dalam jaringan
tersebut kemudian mengelompok pada sejumlah klaster. Pada level kelompok,
perhitungan statistik mengidentifikasi kelompok yang ada dalam jaringan besar. Dari
data pada Tabel 4 nilai modularitas paling tinggi adalah aktor “mpujayaprema” dengan
nilai eigenvektor sebesar 1. Artinya aktor “mpujayaprema” dalam percakapan
#PrayForBali merupakan anggota dari 1.283 kelompok. Pada jenis jaringan modularitas,
pengukuran dilakukan untuk menggambarkan banyaknya komunitas atau kelompok
yang ada dalam sebuah jaringan. Pengukuran ini mengindetifikasi berapa banyak
kelompok yang ada dalam jaringan (Wajahat et al., 2020).
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
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
653
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
Volume 8, No. 4, 2023, hlm 643-655
Umadevi, V. (2013). Case Study-Centrality Measure Analysis on Co-Authorship

Network. Journal of Global Research in Computer Science, 4(1), 67-70.
Wajahat, A., Nazir, A., Akhtar, F., Qureshi, S., ullah, F., Razaque, F., & Shakeel, A. (2020).
Interactively visualize and analyze social network gephi. Paper presented at the
1-9. https://doi.org/10.1109/iCoMET48670.2020.9073812
Williams, K., & Durrance, J. C. (2008). Social Networks and Social Capital: Rethinking
Theory in Community Informatics. The Journal of Community Informatics, 4(3).
https://doi.org/10.15353/joci.v4i3.2946

655

643-655 Fix

Diunggah oleh

Hak Cipta:

Format Tersedia

643-655 Fix

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

643-655 Fix

Diunggah oleh

Hak Cipta:

Format Tersedia

Jurnal Ilmu Komunikasi UHO: Jurnal Penelitian Kajian Ilmu Sosial dan Informasi

Volume 8. No. 4. (2023), hlm 643-655

ANALISIS JARINGAN SOSIAL TERHADAP PEMBENTUKAN VIRTUAL

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

hubungan, atau budaya, merepresentasikan interaksi antar pengguna menuju

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

hubungan sosial yang memungkinkan penggunanya untuk saling berkomunikasi dan

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Gambar 1. Kerangka Pemikiran

Sumber: Peneliti (2022)

Hasil dan Pembahasan

Sumber: Peneliti (2022)

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Sumber: Peneliti (2022)

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Nilai eigenvektor menunjukkan seberapa penting orang yang mempunyai jaringan

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Umadevi, V. (2013). Case Study-Centrality Measure Analysis on Co-Authorship

Journal Homepage: http://jurnalilmukomunikasi.uho.ac.id/index.php/journal/index

Anda mungkin juga menyukai