@Kelompok_3
4. KESIMPULAN
Pendahuluan
Pada akhir tahun 2019 lebih tepatnya pada bulan Desember, dunia dihebohkan
dengan kemunculan virus corona atau yang lebih dikenal dengan nama COVID-19.
Pesatnya perkembangan media sosial membuat media sosial tidak hanya dijadikan
sebagai tempat untuk bersosialisasi dan berkomunikasi, tetapi juga sebagai wadah
untuk menyampaikan opini tentang apa saja yang dirasakan dan terjadi di
kalangan masyarakat secara online. Salah satu media sosial yang paling banyak
digunakan ialah Twitter.
Penelitian ini dibuat untuk mengklasifikasikan sentiment, hashtag, dan juga data
dari Gephi mengenai perbincangan pengguna Twitter terkait kasus COVID-19 di
Indonesia pada tahun 2021.
Teori
1. RESPON PANDEMI COVID 19 6. SOCIAL NETWORK ANALYSIS
5. HASHTAG
METODOLOGI
KEL0MP0K
FOLLOW
@333333
ANALISIS
SENTIMEN
KEL0MP0K
FOLLOWING
@333333
Inisiasi
Implementasi
Evaluasi
Sistematika
PENELITIAN
Inisiasi
Tahapan inisiasi merupakan permulaan dalam melakukan proses
penelitian, inisiasi mengawali segala bentuk pengerjaan melalui
niat dan juga pencarian ide untuk memikirkan apa yang akan dan
juga dapat diteliti, dalam hal ini melalui pemerhatian terhadap isu
sosial yang ada, peneliti mencari hal hal terinci terhadap hal hal
yang menarik serta faktor apa saja yang nantinya dapat masuk
ke dalam lingkup penelitian dan tidak keluar dalam fokus selama
proses penelitian
Sistematika
PENELITIAN
Implementasi
Pada tahap implementasi peneliti menjalankan proses analisis dengan
mememulai melalui perancangan dalam pembuatan penelitian melalui
Gephi tools dengan menggunakan web crawling untuk mengumpulkan
data set yang dibutuhkan untuk melakukan penelitian mengenai
“Covid19” di dalam sosial media Twitter. Selanjutnya akan dilakukan
proses pengolahan data dengan melakukan clearing data untuk
melakukan pembersihan terhadap data yang tidak diperlukan untuk
melakukan penelitian menggunakan MS Excel untuk menciptakan
struktur data yang relevan serta jelas dan terukur.
Sistematika
PENELITIAN
Evaluasi
07
Dalam proses evaluasi, akan dilakukan untuk mendapatkan hasil
kesimpulan dari seluruh proses penelitian yang telah dilakukan, proses
evaluasi ini sekaligus melihat apakah seluruh proses yang dilakukan
sudah tepat dan seluruh pertanyaan yang diberikan di awal penelitian
akan terjawab pada akhir dan juga kesimpulan, yang dalam hal ini
mengenai analisis tweet “Covid19” di aplikasi sosial media Twitter
menggunakan aplikasi Gephi dalam Social Network Analysis dengan
model Sentiment.
HASIL DAN PEMBAHASAN
Hasil Sentimen
Data mengenai “tweet” opini pengguna Twitter mengenai
Covid19 pada periode April-Juni 2021, didapati hasil berupa
ketiga variabel x memiliki jumlah variabel y yang sama.
Hasil Hashtag
Degree Centrality
Terdapat 5 akun
teratas dari banyak
akun-akun sebagai
aktor dalam jaringan
respon pengguna
Twitter terkait Covid-
19 pada bulan April-
Juni 2021.
Degree Centrality adalah ukuran centrality yang menghitung jumlah edge yang terhubung ke
sebuah node atau dengan kata lain orang atau aktor yang paling populer dalam menyebarkan
informasi.
Akun yang paling populer dalam menyebarkan informasi Covid-19 adalah akun Twitter :
Narendramodi sebanyak 12 degree. Selain Narendramodi terdapat beberapa urutan akun yang
paling populer dalam menyebarkan informasi ini yaitu Bhavikakapoo (11 degree), Chentan91936 (9
degree), Monique_esse (9 degree), dan Arvid14121996 (9 degree)
HASIL DAN PEMBAHASAN
FRUCHTERMAN REINGOLD
Betweenes Centrality
Terdapat 5 akun
Sebagai orang yang
menjembatani atau
orang yang dilihat dari
Betweenness
Centrality
Betweenness Centrality:
mengukur berapa kali sebuah node diteruskan antar node menggunakan jalur terpendek. Nilai ini
dapat menunjukkan node mana yang dapat digunakan sebagai penghubung "jembatan" dalam
graph.
Metrik ini dapat digunakan untuk mengidentifikasi orang-orang yang mempengaruhi "aliran"
informasi.
Pada tabel tersebut, akun yang menjembatani dalam menyebarkan informasi Covid-19 adalah
akun Twitter PCClotter dengan 0.000002 degree.
HASIL DAN PEMBAHASAN
FRUCHTERMAN REINGOLD
Terdapat skor nodes 1442, 911 edges, dan 556 kluster dalam
jaringan, dengan informasi COVID-19 di Twitter pada bulan
April-Juni 2021
Closeness Centrality
FRUCHTERMAN REINGOLD
Di setiap warna memiliki aktor-aktor yang memiliki jarak pendek dengan aktor-aktor lain, dan aktor-aktor
tersebutlah yang bisa dipilih di setiap kluster, sehingga penyebaran informasinya dapat disebarkan secara
cepat, efektif, dan efisien
KESIMPULAN
Prabowo, R., Sujaini, H., & Rismawan, T. (2023). Analisis Sentimen Pengguna Twitter Terhadap Kasus COVID-19 di
Indonesia Menggunakan Metode Regresi Logistik Multinomial The Sentiment Analysis of Twitter User about COVID-19
Cases in Indonesia Using the Multinomial Logistics Regression Method. Jurnal Sistem dan Teknologi Informasi), 11(1), 56–
61.
Yanti, I. E., Pratiwi, O. N., & Fa’rifah, R. Y. (2021). Analisis Respon Masyarakat Terhadap Pandemi Covid-19 Pada Media
Sosial Twitter Menggunakan Metode Social Network Analysis Analysis of Public Response To the Covid-19 Pandemic on
Twitter Social Media Using Method Social Network Analysis. E-Proceeding of Engineering, 8(5), 8988–8999.
Yunitasari, Y., & Putera, A. R. (2021). Analisis Sentimen Masyarakat di Twitter Terkait Pandemi Covid-19. SMATIKA
Jurnal, 11(01), 22–26.
Chairil, Tangguh. 2020. Respon Pemerintah Indonesia terhadap Pandemi COVID-19: Desekuritisasi di Awal, Sekuratisasi
yang Terhambat.
Thank you
FOR LISTENING!