Indikator Media Sosial dan Pilkada di Belanda: Menuju Kerangka Evaluasi Pengaruh

Twitter, YouTube, dan Facebook

Robin Effing, Jos van Hillegersberg, dan Theo Huibers
Abstrak:
Media sosial telah menjadi alat yang populer dalam lingkup politik. Oleh karena itu,
evaluasi kampanye para politisi di media sosial menjadi semakin penting. Namun, saat ini
hanya ada sedikit pengetahuan tentang bagaimana mengukur dan mengevaluasi pengaruh
media sosial dalam kampanye politik, terutama pada skala lokal. Korelasi positif terungkap
antara skor kontribusi politisi di media sosial dan suara preferensi mereka di provinsi
Overijssel di Belanda.
15. 1 Pendahuluan
Dalam beberapa tahun terakhir, media sosial telah menjadi bagian penting dari
lingkup web. Pada tahun 2014, Facebook memiliki lebih dari satu miliar pengguna aktif.
Penggunaan media sosial kini sebagian besar terjadi melalui platform seluler seperti telepon
pintar dan tablet menurut Comscore (Lipsman dkk. 2014). Masyarakat dan politisi dapat
menggunakan saluran media sosial ini untuk memproduksi dan membagikan apa yang
mereka sebut Konten Buatan
Pengguna (Kaplan dan Haenlein 2010). Hal ini mendasari gagasan bahwa web terus tumbuh
dan berkembang selama bertahun-tahun menuju platform yang memenuhi kebutuhan orang-
orang untuk terhubung secara sosial satu sama lain. Hal ini memberikan politisi ruang publik
yang unik untuk menjangkau masyarakat. Meskipun terdapat banyak sekali saluran media
sosial yang tersedia, saat ini hanya ada sedikit pengetahuan tentang bagaimana mengukur
pengaruh media sosial dalam kampanye politik dan pemilu, terutama pada skala lokal. Peran
dan dampak saluran media sosial seperti Facebook, Twitter, dan YouTube pada pemerintah
daerah belum dipahami dengan baik. Selain itu, lebih banyak perhatian harus diberikan pada
dampak media sosial pada skala lokal. Kampanye media sosial lokal sangat berbeda dengan
kampanye nasional dan tidak terlalu didorong oleh media. Kepedulian lokal harus menjadi
bagian eksplisit dari strategi media sosial agar bisa efektif (Berthon dkk. 2012; Bottles dan
Sherlock 2011).
Tujuan dari bab ini adalah untuk menguji kerangka teoritis dan algoritma penilaian
terkait untuk mengevaluasi pengaruh kandidat individu melalui media sosial terhadap
lingkungan sosial mereka dalam studi percontohan empiris berdasarkan pemilihan kota lokal
tahun 2014 di Belanda.
15. 2 Metode dan Memperkenalkan Kerangka Teoritis
Untuk menjawab pertanyaan penelitian, perlu untuk mengembangkan kerangka
teoritis untuk mengukur dan membandingkan tingkat pengaruh media sosial politisi. Ketika
mengembangkan kerangka kerja seperti itu, penting untuk mendapatkan latar belakang
teoritis.
Salah satu karakteristik utama saluran media sosial adalah partisipasi pribadi. (Kaplan
dan Haenlein 2010). Karena kampanye politik saat ini cenderung bergeser ke arah kampanye
yang lebih pribadi, penting untuk memiliki instrumen untuk menilai tingkat pengaruh pribadi
melalui media sosial.
Bagian ini mengembangkan revisi Social Media Indicator 2 (SMI2) sebagai instrumen
yang digunakan untuk mengatasi konstruksi Penggunaan Media Sosial. SMI2 bertujuan untuk
berkontribusi pada pengukuran dan perbandingan penggunaan media sosial oleh politisi.
Dalam beberapa tahun terakhir, pengukuran pengaruh pengguna individu media sosial
menjadi penting. Namun sebagian besar alat yang tersedia didasarkan pada prinsip memantau
kata kunci, alih-alih memantau tingkat pengaruh individu. Sementara alat berbasis kata kunci
sangat relevan untuk memahami dampak nama merek atau organisasi, mereka tidak dapat
membantu untuk memahami tingkat penggunaan spesifik dari masing-masing politisi.
SMI2 adalah instrumen yang berkontribusi pada kategori analitik media sosial
berbasis aktor. Pengumpulan manual dan analisis parameter media sosial (seperti jumlah
pesan, suka, dan berbagi). Keandalan pengamatan dapat dipertanyakan karena, jika dilakukan
secara manual, kesalahan mudah dibuat. Masalah ketidakakuratan ini dapat diselesaikan
dengan mengembangkan alat perangkat lunak yang mampu secara otomatis menganalisis
profil media sosial dari semua politisi terpilih
Masalah utama dalam menggunakan alat yang tersedia untuk kebutuhan kita adalah
bahwa kebanyakan dari mereka dirancang dari perspektif menjalankan permintaan pencarian
dengan kata kunci. Pendekatan kata kunci memiliki kelemahan yang jelas dalam mengukur
pengaruh dalam jaringan dan tidak berguna untuk perbandingan tingkat penggunaan dan
pengaruh kandidat politik. Pendekatan kata kunci bermasalah setidaknya karena tiga alasan:
1. Alat berbasis kata kunci ini memindai berapa kali nama seseorang disebutkan di
saluran media sosial. Risiko dari pendekatan ini adalah bahwa hasilnya bisa tidak
relevan dan tidak dapat diandalkan. Ini karena jumlah hasil yang diambil lebih
tinggi tidak selalu berhubungan dengan tingkat penggunaan atau pengaruh yang
lebih tinggi oleh orang tersebut.
 2. Mungkin ada pesan spam di antara data yang diambil. Karena sejumlah besar
posting online dapat dikategorikan sebagai spam, posting ini dapat dengan mudah
membiaskan hasilnya (Sponder 2012).
3. Ada masalah semantik. Pendekatan kata kunci dapat dengan mudah menyebabkan
masalah validitas karena kata kunci dapat memiliki berbagai arti dalam bahasa.
Kata-kata dapat memiliki banyak arti dan dapat memiliki arti yang berbeda dalam
bahasa yang berbeda.
Untuk mengukur tingkat penggunaan dan pengaruh, perlu memiliki kerangka metrik.
Menurut Peters (2013: 283), "Metrik media sosial memerlukan landasan teoritis,
kelengkapan, dan sifat diagnostik; Mereka juga harus kredibel terhadap manajemen dan dapat
diandalkan dari waktu ke waktu."
Koneksi—jaringan (N)—dijangkau melalui saluran ini. Ukuran jaringan (N), pada
tingkat peserta individu, sebagian besar digunakan sebagai penyeimbang Metrik media sosial
(Peters et al. 2013). Hoffman dan Fodor (2010) mengatasinya sebagai Tingkat paparan.
Untuk setiap saluran terpisah, skor dihitung dan kemudian jumlah semua saluran dihitung.
Misalnya, skor kontribusi untuk Twitter dihitung berdasarkan jumlah tweet yang dikaitkan
dengan jumlah pengikut. Skor partisipasi (P) merupakan penjumlahan metrik yang
menunjukkan sejauh mana seseorang memicu interaksi (I) dan promosi dari mulut ke mulut
(W) melalui media sosial. Misalnya, skor interaksi Twitter adalah jumlah balasan, favorit,
dan sebutan. Skor dari mulut ke mulut didasarkan pada jumlah retweet.
Tujuannya adalah untuk mengatasi setiap saluran media sosial dari perspektif yang
sama dan Untuk memberikan nilai yang setara untuk setiap saluran, berapa pun jumlah
parameter yang tersedia. Untuk masing-masing aspek Postingan (X), Ukuran Jaringan (N),
Interaksi (I), dan Word of Mouth (W), metrik dapat dipilih untuk saluran media sosial
tertentu.Nel. “Sebagai individu dapat berpartisipasi di beberapa media sosial seperti
Facebook dan Twitter, jejaring sosial mana pun mungkin tidak sepenuhnya dipahami secara
terpisah” (Peters et al.2013:289). Setiap saluran media sosial memiliki jenis postingan dan
cara membalas serta berbaginya masing-masing.
Setiap saluran media sosial memiliki jenis postingan dan cara membalasnya sendiri
Dan berbagi. Tujuannya adalah untuk menangani setiap saluran media sosial secara
bersamaan Level dan mengembalikan nomor yang independen dan sebanding dengan semua
media sosial. API1 Memberi kami kesempatan untuk terhubung langsung ke database
Berbagai saluran media sosial. Setelah itu dibuat daftar dengan semua parameter itu Relevan
dan berpotensi terukur. Mereka dimasukkan dalam matriks untuk Memberikan ikhtisar
berdasarkan jenis parameter.
Pengembang perangkat lunak dapat mendaftar sebagai pengembang resmi di berbagai
media sosial Saluran seperti Facebook, Twitter, YouTube, LinkedIn, dan Google. Sebagai
akibat Akses diberikan ke beberapa fungsi database saluran media sosial ini.Tidak ada biaya
tambahan untuk mendapatkan status pengembang yang termasuk di dalamnya Saluran media
sosial. Tabel 15.3 memberikan daftar tautan pengembang ke API Termasuk saluran media
sosial.
Namun, bahkan parameter yang tampaknya tersedia untuk pengembang, oleh Default,
mungkin memerlukan otentikasi pengguna tergantung pada pengaturan privasi pengguna
(Vitak 2012). Karena sebagian besar pengguna memutuskan sendiri postingan mana yang
mereka bagikan secara publik, Kontrol privasi tetap berada di tangan pengguna (Boyd dan
Ellison 2008).
Untuk menghitung skor yang mencerminkan pengaruh sebuah postingan terhadap
audiensnya, jaringan harus dimasukkan sebagai pengaruh dari postingan tersebut. Oleh
karena itu, diputuskan untuk melakukannya Memasukkan Ukuran Jaringan (N) sebagai faktor
pembobotan dalam pendekatan penilaian. Dia Berasumsi bahwa, untuk mengukur pengaruh,
ukuran jaringan lebih penting Daripada jumlah postingan.
Untuk bagian Keterlibatan (Skor Partisipasi—P) di SMI2, kita harus menghitungnya
Jumlah seluruh interaksi (I) dan juga menambahkan jumlah Word of Mouth (W) Dihitung
untuk jangka waktu tertentu. Jumlah Word of Mouth diusulkan untuk dimiliki Bobot yang
lebih
Bagian ini membahas sistem pemungutan suara di Belanda di mana pemilih
memberikan suara preferensi kepada kandidat tertentu, dengan fokus pada politisi individu
dibandingkan partai. Data dikumpulkan dari tujuh kota besar di Overijssel selama pemilihan
kota tanggal 19 Maret 2014. Alat perangkat lunak dikembangkan untuk mengumpulkan
metrik dan skor berdasarkan kerangka kerja dan algoritma. Hasil empirisnya mencakup
analisis politik lokal, perbandingan skor untuk 202 politisi dan partainya, serta korelasi antara
skor media sosial dan hasil pemilu. Data dikumpulkan dari platform media sosial seperti
Twitter, Facebook, dan YouTube pada periode menjelang pemilu.
Tampaknya studi ini tidak mencakup saluran media sosial seperti Twitter, YouTube,
LinkedIn, dan Google Plus karena batasan waktu dalam pengembangan perangkat lunak.
Namun, data yang cukup sudah ditemukan dari saluran yang sudah disertakan dalam studi ini.
Di masa depan, mereka berencana untuk memperluas perangkat lunak untuk mencakup
semua saluran media sosial yang terdaftar dalam kerangka kerja.
Data utamanya dikumpulkan dari lima kandidat teratas dari setiap partai politik di
semua kota, sehingga totalnya ada 202 subjek. Sepuluh kandidat dengan skor SMI2 tertinggi
tercantum dalam Tabel 15.7.
Untuk partai politik yang aktif di beberapa kota, studi menghitung total skor SMI2 di
seluruh provinsi Overijssel. Sepuluh partai politik teratas dalam daftar yang diurutkan
tersebut tercantum di bawah ini.
1. CDA
2. PvdA
3. D66
4. VVD
5. GroenLinks
6. Enschede Solidair
7. Swollwacht
8. SP
9. ProHengelo
10. ChristenUnie
Untuk mengevaluasi kegunaan dan kelayakan skor SMI2, studi membandingkannya
dengan jumlah suara preferensi dalam hasil pemilihan. Mereka menggunakan perangkat
lunak SPSS untuk menghitung korelasi Spearman's rho guna menjelajahi hubungan potensial
antara variabel-variabel tersebut. Meskipun ada banyak faktor lain yang memengaruhi, skor
media sosial dan hasil pemilihan dipertimbangkan. Jika Anda memiliki pertanyaan lebih
lanjut atau membutuhkan informasi lebih lanjut, silakan beritahu saya.
Analisis ini bertujuan untuk menilai apakah skor pengaruh media sosial yang lebih tinggi
dapat dikaitkan dengan jumlah suara preferensi yang lebih tinggi. Tabel 15.8 menampilkan
skor Kontribusi (C) dalam hubungannya dengan hasil pemilihan dan korelasinya.
Dalam empat dari tujuh kota, hubungan positif (Spearman’s rho > 0.3) dapat terlihat
antara skor Kontribusi (C) dan suara preferensi individu. Namun, dalam tiga kota lainnya,
bukti semacam ini tidak dapat ditemukan. SMI2 juga mencakup skor untuk keterlibatan: skor
Partisipasi. Tabel 15.9 menampilkan skor Partisipasi partai politik dan anggotanya dalam
hubungannya dengan hasil pemilihan.
Dalam empat dari tujuh kota, tidak ada hubungan positif yang signifikan antara skor
Partisipasi (P) partai politik dan suara preferensi individu anggota partai. Namun, dalam tiga
kota lainnya, hubungan positif terungkap antara skor Partisipasi partai politik dan jumlah
suara. Terdapat sedikit perbedaan antara perhitungan skor SMI2 dan perhitungan skor
Partisipasi, seperti yang terlihat dalam perbandingan antara Tabel 15.9 dan 15.10. Bobot skor
Partisipasi dalam skor SMI2 total sangat kecil.
15. 3 Kesimpulan
Dari uraian di atas, dapat disimpulkan bahwa media sosial entah Twitter, Youtube,
ataupun Facebook membawa pengaruhnya sendiri-sendiri. Namun, dalam kondisi sekarang
ini masih sedikit pengetahuan untuk mengkorelasikan penggunaan media sosial dengan baik
dan maksimal. Korelasi positif terungkap antara skor kontribusi politisi di media sosial dan
suara preferensi mereka di provinsi Overijssel di Belanda.
15. 4 Batasan Masalah
Adapun batasan masalah dari uraian di atas sebagai berikut:
1. Tantangannya adalah bagaimana menangani anggota yang memiliki lebih dari satu
afiliasi di profil media sosial mereka. Misalnya, seorang politisi lokal dapat menggunakan
profil media sosialnya untuk lebih dari satu afiliasi. Seorang politisi dapat memiliki jaringan
hubungan yang luas berdasarkan pekerjaannya sehari-hari. Mungkin dibenarkan untuk
mengecualikan anggota tertentu dalam penelitian yang afiliasi lainnya diperkirakan
menyebabkan bias pada hasil.
2. Karena pengaturan privasi, memperoleh semua data relevan dari database media
sosial masih menjadi tantangan. Selain itu, ini bisa menjadi tugas yang sulit untuk
dipertahankan perangkat lunaknya mutakhir dan tetap terhubung ke Antarmuka
Pemrograman Aplikasi dari saluran media sosial yang disertakan ini. Misalnya, API
Facebook akan berubah pada tahun 2015, yang akan berdampak pada pengumpulan data di
perangkat lunak.
3. Seperti yang terlihat dalam uji coba ini, tidak banyak politisi yang memiliki Halaman
Facebook (yang paling sesuai untuk tokoh masyarakat seperti politisi). Kebanyakan dari
mereka malah membuat profil Facebook pribadi/pribadi. Karena pengaturan privasi API
Facebook, kami tidak diizinkan mengambil data dari profil pribadi ini. Hasilnya, skor dalam
studi percontohan ini sebagian besar didasarkan pada aktivitas Twitter para kandidat.
4. Ukuran jaringan offline seorang politisi yang besar dapat mempengaruhi skor SMI
karena ukuran jaringan sering kali tercermin dalam koneksi online. Seseorang dengan
kehidupan sosial yang kaya di dunia offline cenderung memiliki lebih banyak koneksi online
juga.
5. Skor yang diperoleh dari SMI2 hanya menunjukkan pengaruhnya, dan karena
algoritme canggih serta program periklanan Facebook (Edgerank) dan Twitter, urutan dan
relevansi kiriman dan komentar terus dipengaruhi oleh perusahaan-perusahaan ini.
Akibatnya, jumlah pengikut sebenarnya yang dicapai oleh setiap postingan lebih kecil dari
total ukuran jaringan. Versi mendatang dapat mengintegrasikan faktor-faktor ini ke dalam
algoritma penilaian.