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.