PIKOM
(Penelitian Komunikasi dan Pembangunan) Vol. 18 No. 1 Juni 2017
ABSTRACT
Since it was lunched in June 2016, the tax amnesty program has triggered the public pro and contra,
including on Twitter. This research analyses the public opinion discourse on Twitter through
"#amnestipajak" and "#taxamnesty" that aims to reveal public opinion regarding to the topic. The research
uses an inductive approach qualitative content analysis, which aims to condense the complexity of textual
data and to build the whole meaning through themes or categories. The result that there are three general
themes: 1) the support of the program; 2) the opposition of the program; and 3) critical discourse of the
program.
ABSTRAK
Semenjak diluncurkan pada Juni 2016, program Pengampunan Pajak mengundang pro dan kontra di
kalangan publik, termasuk para pengguna Twitter. Penelitian ini menganalisa isi twit opini pengguna Twitter
melalui “#amnestipajak” dan “#taxamnesty” dengan tujuan untuk mengetahui opini publik pengguna Twitter
terkait topik tersebut. Metode yang digunakan adalah metode analisis isi kualitatif dengan pendekatan
induktif, yakni prosedur memadatkan dari data teks yang kompleks serta proses membangun makna dari data
tersebut melalui tema-tema atau kategori-kategori yang muncul. Hasil penelitian didapat bahwa tiga tema
besar yaitu: 1) dukungan terhadap program pengampunan pajak; 2) oposisi terhadap program pengampunan
pajak; 3) wacana kritis tentang program pengampunan pajak.
1
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
2
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
3
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
penelitian untuk menyimpulkan makna teks prediktif. Kajian ini lebih menitikberatkan
ataupun melalui prosedur yang dapat pada pendekatan deskriptif di mana bertujuan
dipercayai (reliable), dapat direplikabel atau untuk memberikan deskripsi aspek-aspek
diaplikasikan dalam konteks yang berbeda ataupun karakter suatu pesan atau teks
(replicable), serta sah. Krippendorff tidak (Eryanto, 2011). Pendekatan deskriptif tidak
membatasi teks di dalam definisi tersebut bertujuan untuk mencari hubungan ataupun
sebatas produk tulisan, tetapi juga “other menguji hipotesa. Karenanya, kajian ini lebih
meaningful matter” yaitu produk yang menggambarkan aspek, konteks, ataupun
memiliki makna lainnya seperti lukisan, karakter dari twit-twit yang menggunakan kata
gambar, peta, suara, ataupun simbol. kunci “amnesti pajak” dan “tax amnesty”.
Pendefinisian analisa konten beragam di Metode yang digunakan dalam kajian ini
kalangan akademisi, setidaknya ada tiga adalah kualitatif. Pemahaman analisis konten
pemaknaan analisa konten berdasarkan sudut secara kualitatif bisa diawali dengan kritik
pandang konten dan teks itu sendiri: Krippendorff terhadap Berelson yang
a. Definisi analisis konten yang memandang mengemukakan definisi analisis konten
konten bagian dari dalam teks (definitions kuantitatif yang lebih menitikberatkan pada isi
that take content to be inherent in a text) yang tampak (manifest) (Barelson, 1952 dalam
b. Definisi analisis konten yang memandang Krippendorff, 2004). Salah satu kritikan
konten sebagai sumber dari teks (definitions Krippendorff (2004) adalah bahwa prosedur
that take content to be a property of the interpretasi merupakan bagian yang tidak
source of a text) lepas dari proses artikulasi teks dalam analisis
c. Definisi analisis konten yang memandang isi. Analisis isi juga tidak harus selalu
konten muncul akibat proses seiring menganalisa teks yang tampak, tanpa
peneliti melakukan analisa terhadap teks menganalisa makna maupun konteks dibalik
dalam konteks tertentu (definitions that take kata-kata tersebut. Tidak seperti analisis
content to emerge in the process of a konten kuantitatif yang mendasari uji
researcher analyzing a text relative to a analisanya secara statistika, analisis konten
particular context) kualitatif lebih kepada mengembangkan data
Di dalam penelitian ini, peneliti yang dapat diinterpretasikan untuk mencari
memandang konten tidak sekadar teks yang signifikansi secara teoretis (Fields, 1988).
berdiri sendiri, tetapi juga konteks. Untuk Analisa konten secara kualitatif
memaknai konten, peneliti perlu menganalisa memampukan peneliti memahami teks melalui
hubungan antar teks - atau dalam hal ini twit pengelompokkan kata-kata yang memiliki
satu dengan yang lain - untuk mencari makna makna yang sama ke dalam kategori-kategori,
yang signifikan dan mengelompokkannya ke yang pada akhirnya akan membangun sebuah
dalam kategori-kategori, serta model atau sistem konseptual (Elo dan
menginterpretasikan kategori-kategori tersebut Kyngas, 2008). Thomas (2006)
menjadi sebuah makna secara menyeluruh dari memperkenalkan pendekatan induktif untuk
data teks yang ada. menganalisa data secara kualitatif.
Secara umum, terdapat tiga pendekatan Menurutnya, hasil daripada analisis induktif
dalam analisis isi: deskripsi, eksplanatif dan ini sebenarnya mengembangkan kategori-
4
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
kategori ke dalam sebuah model atau kerangka ulang terhadap topik atau domain yang
yang dapat meringkas data mentah yang dianalisa. Meskipun peneliti telah
kompleks. Analisa secara induktif merupakan menentukan tujuan ataupun pertanyaan
prosedur untuk menemukan konsep, tema, penelitian, temuan analisis kualitatif
ataupun model berdasarkan interpretasi analis berdasarkan hasil analisa data mentah
ataupun peneliti melalui pembacaan yang bukan dipengaruhi oleh ekspektasi atau
detail terhadap teks. asumsi atau hipotesis peneliti ataupun teori.
Berbeda dengan analisa deduktif yang b. Teknik analisis yang utama adalah
bertujuan untuk menguji hipostesis, asumsi pengembangan kategori-kategori dari data
ataupun teori yang telah dikonstruksi mentah ke dalam sebuah kerangka atau
sebelumnya oleh peneliti. Analisa secara model. Kerangka ini nantinya berisi tema-
induktif memiliki keunggulan, diantaranya: tema utama (key themes) dan proses-proses
a. Untuk memadatkan data mentah yang identifikasi dan konstruksi yang dilakukan
jumlahnya banyak dan beragam ke dalam oleh analis selama proses koding.
format ringkasan (to condense extensive c. Karena analisis kualitatif mengedepankan
and varied raw data into brief, summary interpretasi peneliti, maka hasil temuannya
format) dibentuk oleh asumsi ataupun pengalaman
b. Untuk membangun hubungan yang jelas pribadi si peneliti atau analis. Agar temuan
antara tujuan penelitian dan ringkasan menjadi lebih berguna, maka peneliti atau
temuan dan untuk memastikan transparansi analis harus menentukan data mana yang
dan menjustifikasikan hubungan-hubungan lebih penting dan data mana yang tidak atau
ini sesuai dengan tujuan penelitian (to kurang penting.
establish clear links between the research d. Analis atau koder yang berbeda akan
objectives and the summary findings menghasilkan intepretasi yang berbeda
derived from the raw data and to ensure pula.
that these links are both transparent (able e. Tingkat kepercayaan dari temuan berasal
to be demonstrated to others) and dapat dinilai dengan menggunakan teknik
defensible (justifiable given the objectives yang sama untuk konteks atau topik yang
of the research) berbeda.
c. Untuk mengembangkan model atau teori Meski penelitian ini menggunakan
tentang struktur atau prosedur atau metode kualitatif, prosedur penelitian harus
pengalaman yang mendasari temuan- menjaga trustworthiness. Untuk mencapai hal
temuan dari analisa data teks (to develop a ini, validitas dan relialibilitas melalui sebuah
model or theory about the underlying pre-test adalah hal yang lumrah dalam
structure of experiences of processes that penelitian kuantitatif. Sementara dalam
are evident in the text data). penelitian kualitatif, konsep kredibilitas,
Peneliti yang menggunakan analisis dependability dan transferability harus ada
konten kualitatif harus menerapkan prinsip- dalam setiap prosedurnya. Untuk membangun
prinsip sebagai berikut: tingkat kepercayaan terkait prosedur ilmiah
a. Analisa data harus dilakukan melalui teknik induktif ini, maka peneliti harus
pembacaan dan interpretasi yang berulang- melakukan pengujian terhadap konsistensi dari
5
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
proses pengkodingan (coding consistency hanya untuk menarik data mentah, bukan
checks). Kajian ini menggunakan metode untuk analisa sentimen atau analisa teks.
Independent parallel coding, artinya peneliti Penarikan data pun dibatasi dengan
melibatkan dua koder untuk membuat menggunakan dua jenis kata kunci: “amnesti
kategori-kategori. Hasil dari kategori-kategori pajak” dan “tax amnesty”. Kedua kata ini
tersebut kemudian dibandingkan dan dianalisa dominan digunakan oleh pengguna Twitter
bila ditemukan kemiripan atau tumpang tindih untuk menyatakan opini mereka terkait
di antara kedua kategori dari koder berbeda. program pengampunan pajak tersebut. Tujuan
Data primer dari penelitian ini adalah utamanya adalah selain untuk membandingkan
twit yang berkaitan dengan program tren dan sentimen, tetapi juga untuk
pengampunan pajak (amnesti pajak atau tax memperkaya pengkategorisasian dari kedua
amnesty). Teknik pengumpulan data primer kata kunci tersebut.
dilakukan dengan RStudio Tahap pertama, peneliti menggunakan
(https://www.rstudio.com/). Aplikasi ini kata kunci “amnesti pajak” dengan cara
bersifat open source dan tidak berbayar. mencari Twitter (“amnesti pajak”, n=1000)
Kelebihan aplikasi ini adalah terletak pada pada console RStudio. Sebanyak 8.106 twit
package yang dapat memberi keleluasaan bagi berhasil ditarik oleh RStudio dalam kurun
pengguna untuk tidak saja menarik data, tetapi waktu tersebut. Twit terendah terjadi pada
juga data cleaning hingga melakukan analisa tanggal 7 Agustus 2016, setelah itu terjadi
sentimen dan membuat wordcloud. Rstudio lonjakan jumlah twit sebanyak lebih dari dua
menarik twit melalui Application kali lipat di hari berikutnya 8 Agustus 2016
Programming Interface (API) Twitter. Twitter (lihat Grafik 1.). Data twit ini kemudian
telah membatasi akses APInya untuk publik diterjemahkan ke dalam tabel excel format
akhir-akhir ini, yakni hanya sebesar 1%. data comma separated values atau CSV yang
Selain Gnip, publik dapat mengakses API terdiri dari informasi seperti nama akun (id),
Twitter dengan cara berbayar melalui isi teks, tanggal konten dibuat, lokasi
‘Gardenhose’, tetapi hanya sebatas 10% dari (longitude dan latitude), reply to SN ataupun
jumlah twit yang ada. Jadi data yang diambil SID, dan jumlah retweet. Untuk kepentingan
oleh RStudio kemungkinan besar sampling penelitian ini, peneliti hanya mengambil teks
acak 1% dari total twit per hari yang bisa saja.
diakses. Karena itu, hasil penelitian ini tidak @PasarBebasMEA”183
dapat digeneralisasikan atau mewakili seluruh Miliar, angka tebusan
populasi pengguna Twitter. #amnestipajak hingga bulan
Penarikan data dilakukan secara Agustus 2016”
bertahap dalam kurun waktu 1-8 Agustus @pajakkotobaru “RT
2016. Karena keterbatasan akses serta keahlian @djpsultanbatara: Sosialisasi
dalam mengoperasikan teknolog pendukung Amnesti Pajak kepada Notaris
Big Data, peneliti menggunakan RStudio dan Pejabat”
6
JURNAL
PIKOM
(Penelitian Komunikasi dan Pembangunan) Vol. 18 No. 1 Juni 2017
Pada tahap kedua, peneliti juga menarik “Jokowi dan Sri Mulyani Gelar
data twit dengan menggunakan kata kunci “tax Sosialisasi Tax Amnesty,
amnesty” melalui RStudio, dengan rentang Pengunjung Membludak
waktu yang sama yaitu 1 hingga 8 Agustus https://t.co/fAjxJxhRwJ
2016. Data twit yang dapat ditarik berjumlah @Tribunnews”
23.938 twit. Bila dilihat dari Grafik 2., maka @ Pajak_News
twit yang paling banyak diproduksi terjadi “liputan6dotcom: Tax Amnesty
pada tanggal 1 Agustus 2016 (Senin) dan Bikin Cadangan Devisa RI Naik
terendah pada tanggal 7 Agustus 2016 Rp 78 Triliun
(Minggu). Meski menggunakan Bahasa https://t.co/m2O2WnVGbI
Inggris, isi twit yang mengandung kata “tax #BeritaPajak”
amnesty” sebagian besar menggunakan bahasa
Indonesia sebagaimana di bawah ini.
7
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
Artikel ini menggunakan metode analisis konsensus para ilmuwan dunia bahwa
isi kualitatif summative content analysis pemanasan global adalah isu global.
(analisis isi sumatif). Secara umum, teknik Setidaknya tiga tema besar muncul yaitu: 1)
analisis isi sumatif merupakan metode untuk opposition to renewable energy policies
mendapatkan inti sari dari teks yang (oposisi terhadap kebijakan energy terbarukan;
kompleks. Tidak saja inti sari, tetapi juga 2) opposition to climate-related taxation
menemukan pentingnya teks tersebut secara (oposisi terhadap pajak dan subsidi perubahan
keseluruhan dan dampaknya bagi pembaca iklim); dan 3) the fear of abuse and overreach
ataupun audiens (Rapport, 2010). Analisis of governmental power (ketakutan terhadap
sumatif bukan mencari bagaimana pengalaman penyalahgunaan wewenang dari badan
pemaknaan orang (experience of meaning), otoritas).
tetapi lebih kepada bagaimana orang memberi
makna atau memaknai pengalaman dia melalui HASIL DAN PEMBAHASAN
narasi. Jacques dan Knox (2016) Pembersihan data dilakukan untuk
menggunakan metode analisis isi sumatif memisahkan twit antara yang revelan dengan
untuk menganalisa isi pengguna Twitter yang tidak relevan, termasuk juga penggunaan
(“Hurricane Sandy”) yang menolak konsensus Bahasa Inggris yang tidak termasuk dalam
para ilmuwan dunia terkait perubahan iklim. analisa data. Proses pembersihan data
Penentuan kategorinya sendiri berlandaskan dilakukan secara manual, artinya tanpa
kumpulan kata-kata negatif terkait perubahan bantuan aplikasi RStudio ataupun aplikasi
iklim karangan R.E. Dunlap dan P.J. Jacques lainnya. Pembersihan data dilakukan dengan
berjudul “manufacturing uncertainty: dua tahap. Tahap pertama dilakukan untuk
conservative think tanks and climate change tidak saja memisahkan data yang tidak
denial book” yaitu: deception, fake, fraud, lie, relevan, tetapi juga mengelompokkan data-
hoax. Langkah selanjutnya adalah melakukan data tersebut ke dalam tiga kelompok
analisis isi secara sumatif (kualitatif) terhadap berdasarkan jenis kontennya, yaitu retweets,
masing-masing twit yang telah weblinks dan personal contents (lihat Tabel
dikategorisasikan tersebut, yakni dengan cara 1.). Pembersihan dalam tahap ini dilakukan
menganalisa secara kritis apakah twit-twit dengan cara sederhana yaitu skimming seluruh
tersebut menolak atau mendukung hasil data.
8
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
Konten twit dengan kata kunci “amnesti (terutama dari media ataupun web resmi
pajak” didominasi Weblinks - baik yang institusi negara) – yang dibagikan oleh
dibagikan oleh akun individu maupun akun individu memberikan kontribusi terkecil yakni
institusi atau lembaga – sebesar 55.85% atau 3.29% (sebesar 267 twit) dibandingkan
sebesar 4527 twit. Sementara konten personal weblinks maupun retweet itu sendiri (40.86%
– tanpa retweets ataupun tanpa weblinks atau sebesar 3312 twit) (lihat Gambar 1.)
Gambar 1. Frekuensi RTs, Weblinks, dan Personal Contents Tweet “Amnesti Pajak”
Sumber: Data diolah
9
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
Grafik 3. Frekuensi RTs, Weblinks, dan Personal Contents tweet “Amnesti Pajak” per hari
Sumber: Data diolah
Frekuensi RTs, weblinks dan twit berisi keseluruhan untuk twit kata kunci “tax
personal contents dengan kata kunci “tax amnesty” menjadi 23003 twit. Persentase
amnesty” memiliki prosedur yang sama frekuensi konten yang di-share dengan kata
dengan frekuensi konten twit kata kunci kunci “tax amnesty” didominasi oleh weblinks
“amnesti pajak”. Setelah proses pembersihan yakni sebanyak 67,93%, sementara retweets
data dilakukan, sebanyak 938 twit dan personal contents menduduki posisi kedua
menggunakan Bahasa Inggris atau tidak dan ketiga yaitu 26,12% dan 5,95% (Gambar
relevan dengan topik yang terkumpulkan. Data 2. dan Grafik 4.)
Gambar 2. Frekuensi RTs, Weblinks, dan Personal Contents Tweet “Tax Amnesty”
Sumber : Data diolah
10
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
Grafik 4. Frekuensi RTs, Weblinks, dan Personal Contents Twit “tax amnesty” per Hari
Sumber : Data diolah
Analisa data dalam artikel ini hanya pajak” atau “tax amnesty”, serta duplikasi
dilakukan pada twit personal contents saja konten.
sebab Retweet (RT) dan weblink kurang Contoh twit yang tidak relevan dengan
mencerminkan opini individu yang program amnesti pajak
sebenarnya. Jumlah twit personal contents “Peraturane amnesti pajak ga isok selow
baik dengan kata kunci “amnesti pajak” dan koyok lagu iki ta
“tax amnesty” secara keseluruhan adalah 1634 ??<ed><U+00A0><U+00BD><ed><U+
twit. Tahap selanjutnya adalah 00B8><U+0096><ed><U+00A0><U+0
pengelompokan twit personal contents 0BD><ed><U+00B8><U+0096>
tersebut ke dalam lima kategori: 1) pendapat <U+266B> Untitled by MALIQ &
murni (bukan mengomentari sekaligus D'Essentials — https://t.co/YP85R53yRs”
membagikan tautan berita online); 2) “Sayang bgt ini amnesti pajak gak
mengomentari dan / atau membagikan tautan berlaku buat pajak jadian.”
berita online dan/atau pendapat orang lain
terkait topik; 3) pesan pribadi terhadap Contoh twit pemberitahuan acara kegiatan
pengguna Twitter lain (co. @user id “isi sosialisasi amnesti pajak
konten”); 4) membagikan tautan non media “Yuk Kunjungi Booth Pelayanan "Yuk
berita online (co. promosi event-event Tanya Amnesti Pajak" pada 21 Juli - 20
sosialisasi amnesti pajak dari non pemerintah); Agustus 2016 di Main Hall BEI
5) membagikan foto, video, dan konten media #AmnestiPajak https://t.co/kW6VncKHcq”
sosial lainnya (co. Path, Instagram, Facebook,
Youtube dan media sosial lainnya). Selain Contoh twit membagikan tautan yang berisi
pengelompokan, terdapat proses pembersihan pendapat orang lain terkait topik atau
(data cleaning) untuk menghilangkan konten mengomentari twit orang lain
yang tidak relevan dengan amnesti pajak “Bagi yg belum mengerti, apa itu "Amnesti
lainnya meski menggunakan kata “amnesti pajak", tabe'..ini sy kasihki gambaran.
11
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
12
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
pemerintah sedang gencar menjalankan Dengan TA, Pemerintah TA untuk orang kaya, Menuntut keadilan
tax amnesty (pengampunan pajak)bagi “mengampuni” pajak orang bukan orang miskin TA
orang kaya. utk rakyat miskin bantuin kaya, tetapi orang miskin
lunasin hutang dong. . . tidak ada manfaatnya
Tax amnesty cuma bikin ketauan harta TA membuat pemerintah TA sebagai alat untuk Ketakutan terhadap
kekayaanmu. tahu tentang kekayaan membongkar harta program TA
pribadi orang kekayaan
Target Tax Amnesty ini gak main2 1000T TA adalah program serius Target repatriasi TA Kagum terhadap
dana repatriasi... dan uang tebusan dengan target repatriasi mencapai Rp. 165 T program TA
repatriasi ditarget 185 T. Angka yg luar sebesar Rp. 185 T
biasa.
Pertanyaannya adalah bagaimana jika Ada kemungkinan bila Harta hasil korupsi TA melindungi
harta #tax amnesty berasal dari hasil harta yang dilaporkan TA dilapor ke TA koruptor
#korupsi merupakan hasil dari
korupsi
Tax amnesty katanya membuat rupiah TA dipercaya dapat Rupiah menguat Yakin terhadap
menguat. Cihui! membuat nilai tukar rupiah karena TA program TA
menguat terhadap dollar
AS
"Tax Amnesty? TA dimaknai beragam TA dipersepsi negatif Pendapat negatif
1) Mengejar setoran dari pelanggar yaitu mengejor setoran sebagai bentuk program TA
hukum dari pelanggar hukum, persengkokolan kaum
2) Persekongkolan jahat sekelompok persengkokolan jahat kapitalis
pemilik modal dengan pemilik modal,
3) Negara dibajak para kapitalis" negara dibajak kapitalis
Benar sja, Tax Amnesty jalan, tak lama Tidak lama setelah TA Sri Mulyani jadi pengangkatan Sri
stlhnya reshufle kabinet trjadi, Dan Sri diluncurkan, reshuffle Menkeu untuk Mulyani sebagai
Mulyani tak diduga jd Menkeu lg. kabinet dan Sri Mulyani program TA Menkeu
diangkat menjadi Menkeu
"Top! Mendukung keputusan Sri Sri Mulyani menghentikan TA
Sri Mulyani hentikan (freeze) program Mulyani membekukan membekukan TA
Tax Amnesty. program TA
Dalam langkah ini, kita dukung Sri
Mulyani
#ShutDownTaxAmnesty"
Singapura asetnya kebanyakan punya Aset WNI banyak Aset WNI ada di polemik dengan
WNI. 59%. Trus gara2 Tax Amnesty tuh diinvestasikan di Singapura. TA singapura
aset malah jadi susah diambil Singapura. TA berpotensi mengancam dana
cumik amat. menarik dana WNI di Singapura
kembali ke tanah air
Naikin BBM sudah, hapus subsidi listrik Subsidi BBM dan listrik, APBN tetap defisit APBN defisit
sudah, utang sana sini udah, tax amnesty peminjaman utang luar meski sudah ada TA
udah, kok masih tekor aja nih APBN kita negeri, serta tax amnesty dan penghapusan
? tidak menjamin APBN subsidi
Pelajaran hari ini ngobrol sm mbak2 CS Pengalaman ketika TA membuat suku Pengetahuan tentang
bank, gara2 tax amnesty suku bunga bertemu Customer Service bunga deposito turun, TA
deposito turun tp obligasi naik Bank. Pengetahuan yang obligasi naik.
#pemerintahlagibanyakduit #okedeh didapat TA menyebabkan Pengalaman pribadi
suku bunga deposito turun diskusi dengan
costumer service bank
Shrsnya pemerintah memperlakukan Pemerintah membuat harus ada proteksi harapan pada program
laporan macam kontras itu persis dg laporan TA seperti laporan dalam TA TA
perlakuan pemerintah ke pendaftar Kontras.
program tax amnesty. Ada proteksi.
Sebagai masyarakat biasa saya Saya belum memahami belum paham tentang Edukasi tentang TA
sepenuhnya belum memahami #tax TA. Saya memerlukan TA
amnesty. Perluh kiranya penjabaran yg penjabaran tentang TA
lebih jauh. lebih jauh
Sumber : Data diolah
13
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
Pengguna Twitter yang mendukung semua sanksi pajak dan denda serta pajak
program amnesti pajak didominasi dengan tertanggung akan dihapuskan.”
seruan yang berisi penjelasan, kekaguman,
[T98] “Yuk, daripada kita bahas dunia politik
keyakinan, harapan terkait program ini. Twit-
atau dunia nyinyir-menyinyir.. kita bahas
twit tersebut di antaranya:
bagaimana dampak Tax Amnesty terhadap
[T271] “Apakah gue termasuk pihak yang
Bursa Saham Indonesia”
harus ikut tax amnesty? Masih ada yang udah
Tidak hanya itu, pengguna Twitter
keburu kerja di luar, ga punya NPWP, masih
memanfaatkan media sosial ini untuk bertanya
pegang passport Indo”
(mencari) dan mendapat informasi lebih dalam
[T355] “Udah 3,7 triliun yang masuk dalam terkait program amnesti pajak. Banyak studi
dua minggu tax amnesty yah .. keren juga nih telah membuktikan bahwa Twitter bermanfaat
Pak Jokowi :))” sebagai alat untuk membagikan informasi
[T138] “Pertama, bagi WP yang (Holton et al., 2014) dan/atau membentuk
memanfaatkan program tax amnesty ini, serta menginternalisasikan tacit knowledge,
pengetahuan yang sangat pribadi dan sulit
untuk diartikulasi secara eksplisit laiknya
14
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
15
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
membangun praktik sosial budaya secara untuk membekukan program amnesti pajak.
kritis, pertukaran pengetahuan secara kritis, Ketiga, wacana kritis terhadap program
serta inovasi-inovasi sosial. amnesti pajak, tergambar dari twit-twit yang
menduga bahwa program amnesti pajak hanya
melindungi kelompok-kelompok tertentu
KESIMPULAN DAN SARAN
(pemilik modal atau kapitalis).
Konten analisis kualitatif dilakukan
Sebagaimana yang diutarakan oleh
terhadap 358 twit pendapat murni
Weber (1990 dalam Elo dan Kyngas, 2008)
“#TaxAmnesty” dan “#AmnestiPajak” yang
bahwa tantangan analisa konten terletak pada
dikumpulkan per 1-8 Agustus 2016 dengan
fleksibilitas prosedur sehingga tidak ada satu
menggunakan aplikasi RStudio. Tujuan dari
pedoman pun dapat diklaim “paling sahih”
konten analisa kualitatif adalah untuk mencari
atau “paling benar” dalam analisa konten. Hal
tema besar opini pengguna Twitter terkait
ini sangat bergantung pada pertimbangan
program pengampuan pajak yang diluncurkan
peneliti ketika melakukan prosedur analisa
pada Juni 2016 lalu, di bawah pemerintahan
yang paling cocok atau relevan dalam
Joko Widodo-Jusuf Kalla. Pendekatan analisa
studinya. Peneliti tidak mengklaim prosedur
dilakukan secara induktif artinya membangun
konten analisa penelitian ini adalah yang
makna dari kategori-kategori atau tema-tema
paling benar untuk mengetahui opini publik
yang muncul dari hasil pembacaan terhadap
melalui media sosial, dibandingkan dengan
konten. Untuk menjaga kredibilitas prosedur
cara lain yang mengandalkan mesin (text
analisis data, peneliti melakukan pengujian
analysis atau sentiment analysis dengan
terhadap proses pengkodingan (coding
corpus). Peneliti menyarankan agar kategori-
consistency checks) yaitu independent parallel
kategori yang ditemukan dalam kajian ini
coding dengan melibat dua koder lainnya.
dapat diuji coba kembali dalam penelitian
Hasil analisis wacana secara kualitatif
lanjutan yang terkait dengan analisis isi
menemukan adanya tiga tema besar wacana
dengan topik yang beragam.
twit yang menggunakan kedua hashtag
tersebut. Pertama, dukungan terhadap program
amnesti pajak yang terdiri dari twit-twit yang UCAPAN TERIMA KASIH
Peneliti mengucapkan terima kasih
menggambarkan penjelasan, kekaguman,
kepada Rieka Mustika dan Olivia Nelar yang
keyakinan, harapan terkait program ini. Selain
secara sukarela membantu penelitian ini,
itu, Twitter juga dimanfaatkan penggunanya
terutama dalam pengujian terhadap proses
untuk mencari informasi sebanyak-banyaknya
pengkodingan.
tentang program amnesti pajak. Studi
menemukan bahwa Twitter membantu proses
pembentukan dan internalisasikan tacit DAFTAR PUSTAKA
knowledge, pengetahuan yang sangat pribadi Bengtsson, M. (2016). How to Plan and
dan sulit untuk diartikulasi secara eksplisit Perform a Qualitative Study Using
laiknya pengetahuan umum. Kedua, oposisi Content Analysis. NursingPlus Open.
terhadap program amnesti pajak. Twit yang (2):8-14.
tergambar dalam kategori ini berupa seruan Boyd, D; Golden, S., dan Lotan, G. (2010).
ragu, takut, pendapat negatif hingga seruan Tweet, Tweet, Retweet:Conversational
16
Analisis Isi Kualitatif Twitter “#TaxAmnesy” dan “#AmnestiPajak”
Vience Mutiara Rumata
Aspects of Retweeting on Twitter. Kwak, H., Lee, C., Park, H., dan Moon, S.
HICSS-43. IEEE : Kauai, HI, January. (2010). What is Twitter, a Social
(http://www.danah.org/papers/TweetTw Network or a News Media? Konferensi
eetRetweet.pdf) World Wide Web Conference Committee
Careless, E.J. (2015). Perspectives in AE- (IW3C2), 26-30 April 2010 Raleigh,
“Typing Back”: Social Media as Space North Carolina, USA.
for Critical Discourse. New Horizons in Lee, J.L., DeCamp, M., Dredze, M,. Chisolm
Adult Education & Human Resource M.S., Berger, Z.D. (2014). What are
Development. 27(3):50-55 health-related users tweeting? A
Deliusno. (2015). Pengguna Twitter di Qualitative Content Analysis of Health-
Indonesia Capai 50 Juta. Related Users and Their Messages on
http://tekno.kompas.com/read/2015/03/2 Twitter. Journal Of Medical Internet
6/16465417/Pengguna.Twitter.di.Indone Research. 16(10):1438-8871Thomas, R.,
sia.Capai.50.Juta/ (diakses pada 2 David. (2006). A General Inductive
November 2016) Approach for Analyzing Qualitative
Elo, S. dan Kyngas, H. (2008). The Qualitative Evaluation Data. American Journal of
Content Analysis Process. Journal of Evaluation. 27 (2): 237-242. DOI:
Advanced Nursing, 62(1):107-115. doi: 10.1177/1098214005283748
10.1111/j.1365-2648.2007.04569.x Panahi, S., Watson, J., dan Partridge, H.
Eriyanto (2011). Analisis Isi: Pengantar (2016) Information Encountering on
Metodologi untuk Penelitian Ilmu Social Media and Tacit Knowldege
Komunikasi dan Ilmu-Ilmu Sosial Sharing. Journal of Information Science,
lainnya. Prenadamedia Group. Indonesia 42(4):539-550
Fields, E. E. (1988). Qualitative Content P.H. (2016) Pernah Gagal Dua kKali, Bos
Analysis of Television News: Pajak Yakin Tax Amnesty Kali Ini
Systematic Technique. Qualitative Sukses.
Sociology. 11(3). https://pengampunanpajak.com/2016/05/
Holton, A.E., Baek, K., Coddington, M., dan 04/pernah-gagal-dua-kali-bos-pajak-
Yaschur, C. (2014) Seeking and Sharing: yakin-tax-amnesty-kali-ini-sukses/
Motivations for Linking on Twitter. (diakses pada 2 November 2016)
Communication Research Reports. Rapport, F. (2010). Summative Analysis: A
31(1):33-40. Qualitative Method for Social Science
Jacques, P. J. dan Connolly, K. C. (2016). and Health Research. International
Hurricanes and Hegemony: A Journal of Qualitative Methods.
Qualitative Analysis of Micro-Level 9(3):270-290
Climate Change Denial Discourse. Twitter Website (2016) Twitter Usage /
ENVIRONMENTAL POLITICS. Company Facts.
25(3):831-852. https://about.Twitter.com/company
Krippendorf, K. (2004). Content Analysis: an (diakses pada 2 November 2016
Introduction to Its Methodology. SAGE
Publications. London
17
Jurnal PIKOM (Penelitian Komunikasi dan Pembangunan)
Vol. 18 No. 1 Juni 2017Chrisany Juditha
18