Intelejen Siber 2024
Intelejen Siber 2024
Politik Identitas
SARA, mayoritas vs minoritas
Kelompok Radikal
Ex Ormas Terlarang
Ex Separatis Lokal
Agenda Transnasional
Pendukung Calon (tim sukses, relawan, konstituen)
Keadilan Sosial
Pemerataan Ekonomi
Keberpihakan Kelompok
SUMBER DATA
Media Monitoring
Media Mainstream
Media Alternatif
Jurnalisme Warga
Dinamika Media Sosial
User Generated Content
Aktivitas Kelompok (Group)
Key Opinion Leader
Kanal Pribadi
Kanal Publik
DATA SEKUNDER
Guna menghasilkan opini yang dibutuhkan, sentiment analysis tidak hanya harus
bisa mengenali opini dari teks. Proses yang juga disebut sebagai opini mining ini
juga perlu bekerja dengan mengenali tiga aspek berikut:
Subjek: topik apa yang sedang dibicarakan.
Polaritas: apakah opini yang diberikan bersifat positif atau negatif.
Pemegang opini: seseorang yang mengeluarkan opini tersebut.
Sentiment analysis kemudian akan membedakan teks menjadi dua kategori, yakni
fakta dan opini. Fakta merupakan ekspresi objetif mengenai sesuatu. Sementara
opini adalah ekpresi subjektif yang menggambarkan sentimen, perasaan, maupun
penghargaan terhadap suatu hal.
ANALISIS SENTIMEN (3)
Ada beragam jenis analisis sentimen yang dapat digunakan untuk mengidentifikasi respon pengguna.
Mulai untuk melihat polaritas pendapat hingga mengindentifikasi niat pengguna. Beberapa
tipe sentiment analysis itu antara lain:
1. Fine-Grained Sentiment Analysis
Analisis sentimen yang satu ini merupakan salah satu jenis yang paling umum. Fokusnya ada pada
tingkat polaritas pendapat. Tipe analisis sentimen ini akan mengelompokkan respon atau pendapat ke
dalam beberapa kategori seperti sangat positif, agak positif, netral, agak negatif, dan negatif.
2. Intent Sentiment Analysis
Tipe sentiment analysis berikut bertujuan untuk mengidentifikasi dan menggali lebih dalam motivasi
di balik pesan pengguna untuk melihat apakah itu termasuk keluhan, saran, pendapat, pertanyaan atau
justru penghargaan terhadap produk atau layananmu.
3. Aspect – Based Sentiment Analysis
Pada tipe analisis sentimen ini kamu dapat berfokus pada elemen-elemen yang lebih spesifik dari
produk atau layanan kamu. Analisis sentimen berbasis aspek ini juga memungkinkanmu
menghubungkan sentimen spesifik dengan berbagai aspek produk atau layananmu.
CARA KERJA (1)
Cara kerja sentiment analysis dalam mengambil data dapat dibagi menjadi tiga langkah, yakni
klasifikasi, evaluasi, dan visualisasi hasil.
1. Klasifikasi
Pertama, mesin perlu mengklasifikasikan data yang dinilai sebagai opini dari sebuah teks. Ada
tiga klasifikasi dalam metode analisis sentimen yang dapat dilakukan, yakni:
Machine learning: fitur-fitur di dalamnya dapat mengenali sentimen (sudut pandang seseorang)
dalam sebuah teks. Metode machine learning kini semakin bertambah populer karena dapat
dinilai representatif.
Lexicon-based: menggunakan berbagai kata yang dinilai dengan skor polaritas untuk
mengetahui tanggapan masyarakat/pengguna/konsumen mengenai suatu topik. Keunggulannya
adalah tidak memerlukan data pelatihan, tapi kelemahannya adalah banyak kata yang belum
termuat dalam leksikon.
Campuran: menggabungkan metode machine learning dan leksikon. Kendati jarang digunakan,
metode ini biasanya memberikan hasil yang lebih menjanjikan.
CARA KERJA (2)
2. Evaluasi
Setelah data terklasifikasi,metode analisis sentimen berikutnya adalah menggunakan metrik evaluasi
seperti Precision, Recall, F-score, dan Accuracy. Proses ini juga melibatkan pengukuran rata-rata seperti
makro, mikro, dan skor F1 tertimbang untuk menangani data yang masuk ke dalam dua klasifikasi atau
lebih.
Metrik yang digunakan didasarkan pada keseimbangan klasifikasi set data. Secara umum, skemanya
adalah sebagai berikut: tinjauan set data, pre-processing, tokenizer, penghapusan stopwords, transformasi,
klasifikasi, dan evaluasi.
3. Visualisasi data
Langkah selanjutnya dalam metode analisis sentimen adalah visualisasi data. Visualisasi data dilakukan
menggunakan bagan sesuai kebutuhan perusahaan atau siapa saja yang memanfaatkan data-data
ini. Sebagian besar orang biasanya menggunakan teknik yang sudah dikenal, seperti grafik, histogram,
atau matriks.
Namun, hasil akhir dari sentiment analysis bisa sangat bervariasi. Data yang ada dapat muncul disertai
domain lain yang terlibat. Karena itulah, teknik visualisasi data berupa wordcloud, peta interaktif, dan
gaya sparkline juga cukup efektif untuk menampilkan hasil analisis.
ANALISIS DESKRIPTIF
Analisis deskriptif merupakan metode analisis yang sering digunakan oleh mayoritas analis.
Metode analisis ini umumnya sering menampilkan statistik melalui perhitungan matematis.
Fungsinya adalah untuk mengetahui gambaran penyebaran data sampel atau populasi. Sehingga
data tersebut akan mudah dipahami dan lebih informatif.
Umumnya, metode analisis deksriptif sering menampilkan statistik seperti rata-rata, mean, modus,
dan statistik lainnya. Pada umumnya, metode analisis deskriptif sering mengkaji berbagai hal
terkait kewajaran suatu kejadian, aktivitas yang menonjol maupun hubungan antar variabel data.
Dalam analisis media sosial, metode analisis ini sering digunakan untuk mengetahui rincian
aktivitas pengguna di media sosial, seperti perhitungan interaksi, statistik audiensi, maupun
perhitungan jumlah percakapan. Jika diklasifikasikan, umumnya beberapa pertanyaan di bawah ini
akan terjawab melalui metode analisis deskriptif, seperti:
Berapa rata-rata interaksi audiensi terhadap brand di media sosial?
Di hari apa saja audiens aktif menggunakan media sosial?
Siapa saja influencer yang berpengaruh terhadap interaksi di media sosial?
Berapa angka pertumbuhan interaksi audiensi di setiap bulan?
ANALISIS PREDIKTIF
Analisis prediktif adalah sebuah metode analisis yang berfungsi untuk mengidentifikasi risiko
dan peluang berdasarkan rekam data yang dimiliki. Metode tersebut akan bekerja dengan cara
menganalisis data tersebut untuk membuat prediksi di masa yang akan datang. Biasanya, metode
analisis prediktif sering digunakan untuk proses pembelajaran mesin maupun ataupun big data.
Dalam analisis media sosial, kita bisa menggunakan metode analisis prediktif untuk menentukan
strategi selanjutnya berdasarkan data perilaku pengguna di media sosial. Hal tersebut mencakup
tingkat sentimen, ketertarikan pengguna, dan aktivitas pengguna. Selain itu, kita pun bisa
menggunakan metode analisis tersebut untuk mengolah data tersebut menjadi sebuah laporan
yang bisa digunakan untuk menunjang strategi dan inovasi di masa selanjutnya.
Sebagai contohnya, kita bisa mengevaluasi suatu produk berdasarkan sentimen pengguna di
media sosial. Dari data tersebut, kita akan mengetahui secara keseluruhan segala bentuk opini
yang berkenaan produk tersebut. Jika sentimen produk tersebut cenderung negatif atau tidak
disukai pengguna, tentu kita akan mengambil tindakan cepat untuk mengevaluasi produk
tersebut lebih dalam. Sehingga, melalui laporan tersebut kita bisa melakukan upaya inovasi
untuk membuat produk tersebut lebih diminati oleh masyarakat.
ANALISIS PRESKRIPTIF
Lain hal dengan analisis prediktif, analisis preskriptif umumnya cenderung menampilkan
rekomendasi terhadap sebuah kasus di media sosial. Metode ini bisa kita gunakan untuk
mendukung pencapaian bisnis agar lebih maksimal. Dalam hal ini, ada beberapa pertanyaan
yang akan terjawab melalui analisis prekriptif, seperti:
Konten seperti apa yang mampu meningkatkan interaksi di media sosial?
Produk apa yang sebaiknya di tawarkan untuk demografi di kota bandung?
Berapa banyak konten kuis harus dibuat supaya mampu meningkatkan perolehan Audience?
Dari 3 analisis tersebut, kita bisa menggunakan metode di atas untuk melakukan analisis
media sosial lebih dalam terkait aktivitas serta peluang yang dimiliki oleh brand tersebut di
media sosial. Sehingga, strategi yang akan dijalankan oleh brand akan lebih terukur dan
terarah melalui perhitungan yang tepat. Pada umumnya, metode analisis di atas sering
dilakukan dengan bantuan analytic tool. Fungsinya agar proses analisis yang dilakukan jauh
lebih akurat, selain itu melalui bantuan tool tersebut, maka akan memudahkan kita melakukan
proses pengumpulan dan pengelolaan data di media sosial.
PENDENGUNG (BUZZER)
Disinformasi adalah informasi yang keliru, dan orang yang menyebarkan tahu bahwa
itu salah, tetapi tetap menyebarkannya. Melansir buku Journalism, ‘Fake News’ &
Disinformation (2018) terbitan UNESCO, disinformasi adalah kebohongan yang
disengaja dan secara aktif diinformasikan oleh aktor jahat. Ini menjadi masalah
global, karena bisa mencakup berbagai aspek informasi, termasuk perubahan iklim,
hiburan, dan yang paling sering, propaganda politik.
Disinformasi sepenuhnya dibuat-buat dan dengan sengaja menyesatkan dan
membuat publik bingung. Dalang yang membuat kampanye berisi disinformasi yang
bisa disponsori 'negara' atau kubu tertentu. Pola sebarannya bervariasi tergantung
motivasi dan target kampanye disinformasi. Misalnya, konten yang menyerang tokoh
politik dengan memanipulasi foto atau menempatkan konteks yang keliru dengan
sengaja. Ada pula sebaran disinformasi yang memanfaatkan buzzer untuk menaikkan
tagar dan menjadi trending agar menyembunyikan fakta dari kejadian sebenarnya.
HOAX
Hoax adalah informasi palsu, berita bohong, atau fakta yang dipelintir atau
direkayasa untuk tujuan lelucon hingga serius (politis). Secara bahasa hoax
(synonyms: practical joke, joke, jest, prank, trick) adalah lelucon, cerita bohong,
kenakalan, olokan, membohongi, menipu, mempermainkan, memperdaya, atau
bertujuan jahat.
Dalam konteks jurnalistik adalah Berita Buatan atau Berita Palsu (Fabricated
News/Fake News). Pemberitaan yang tidak berdasarkan kenyataan atau
kebenaran (nonfactual) untuk maksud tertentu.
Proper HOAX: dibuat dengan sengaja sebagai penyesatan opini, bisa berupa fakta
yang benar tapi konteks dan interpretasinya menyimpang atau merupakan logical
fallacy
Clickbait News: judul berita provokatif tidak sesuai dengan isi dan konteks
FUD
FUD adalah singkatan dari Fear, Uncertainty, and Doubt, atau yang kerap
diplesetkan sebagai Facts U Dislike. FUD merupakan salah satu strategi
disinformasi di mana mereka menyebarkan informasi yang berisikan kabar-kabar
negatif agar menimbulkan perasaan cemas audiens. Oleh karena itu, istilah FUD
juga kerap diplesetkan sebagai Facts U Dislike yang artinya fakta yang tidak
kamu suka.
Tujuan FUD adalah menciptakan tekanan psikologis yang berakibat rasa
ketakutan, ketidakpastian, dan keraguan yang pada mulanya dipraktekkan di
dunia investasi – bursa saham dan komoditas untuk menyerang, menjatuhkan
kredibilitas permain atau asset tertentu.
Di dalam isu politik, FUD digunakan untuk men-delegitimasi figur
FACTS CHECKING
Pengecekan fakta adalah proses verifikasi informasi yang terkadang faktual, untuk
mempromosikan kebenaran dan pelaporan. Pengecekan fakta dapat dilakukan
sebelum (ante hoc) atau setelah (post hoc) teks diterbitkan atau disebarluaskan
secara internal dilakukan sendiri oleh penerbit; atau ketika teks dianalisis oleh pihak
ketiga, disebut pengecekan fakta eksternal.
Pengecekan fakta ante hoc bertujuan untuk mengidentifikasi kesalahan sehingga
teks dapat diperbaiki sebelum disebarluaskan, atau mungkin ditolak. Pengecekan
fakta post hoc paling sering diikuti oleh laporan tertulis tentang ketidakakuratan,
terkadang dengan metrik visual yang disediakan oleh organisasi pemeriksa.
Penelitian menunjukkan bahwa pengecekan fakta memperbaiki persepsi di antara
warga negara, serta mencegah politisi menyebarkan klaim palsu atau menyesatkan.
Namun, koreksi dapat memudar seiring waktu atau diliputi oleh isyarat dari elit
yang mempromosikan klaim lain atau (pengalihan) isu lain yang kurang akurat.
STRATEGI
Kolaborasi
Key Opinion Leader
Masyarakat Sipil: debunking
Perwakilan Media Sosial
Perwakilan Media Mainstream
Infiltrasi
Kelompok Media Sosial
Kelompok Diskusi Private
Kill The Messenger, konter opini dengan menyerang sumbernya
Penegakan hukum
TERIMA KASIH !
Email Address
Author: pataka@csirt.id
General inquiry: info@csirt.id
Incident report: incident@csirt.id
Postal Address
MULA by GALERIA – The CILANDAK Town Square
TB SIMATUPANG Highway – (KAVLING) Lot 17
Jakarta Selatan, DKI Jakarta 12770 – Indonesia
Phone and Facsimile +62 21-7592-0274