ANALISIS JARINGAN KOMUNIKASI PADA VIDEO YOUTUBE SEPULANG SEKOLAH MENGGUNAKAN SOCIAL NETWORK ANALYSIS

ANALISIS JARINGAN KOMUNIKASI PADA VIDEO YOUTUBE SEPULANG SEKOLAH MENGGUNAKAN SOCIAL NETWORK ANALYSIS

Disusun oleh:

Nama                         : Muhammad Rahmandhito Wiratama

NPM                         : 17823113

Jurusan                      : Ilmu Komunikasi

Pembimbing              : Pipit Fitriyah


Diajukan Guna Melengkapi Sebagian Tugas Akhir Mata Kuliah

Social Network Analysis (SNA)

1.         Analisis dan Pembahasan

1.1       Gambaran Fenomena

            Kehidupan yang kita jalani di dunia krisis iklim menjadi isu yang penting karena kondisi bumi kita sudah mengkhawatirkan. Disamping itu muncul gerakan-gerakan go green yang dikampanyekan untuk mengubah pola hidup kita agar lebih ramah lingkungan dan upaya pencegahan krisis iklim. Mulai dari organisasi pro-lingkungan, ilmuwan, sampai pemerintah negara-negara di dunia ingin beralih ke energi go-green.

Salah satu terobosan yang diyakini akan membawa dampak signifikan adalah transisi sumber energi dan bahan bakar. Contoh nya seperti beberapa waktu lalu Indonesia ingin meningkat penggunaan kendaraan listrik dibandingkan kendaraan konvensional. Tidak hanya di Indonesia kebijakan ini sudah diterapkan di beberapa negara di dunia. Menurut IEA (International Energy Agency) di tahun 2020 jumlah kendaraan listrik di dunia sudah mencapai 10 juta unit.

Bisa dikatakan bahwa listrik bisa menjadi alternatif energi yang dianggap lebih bersih dan ramah lingkungan. Karena tidak ada polusi yang keluar atau bahan-bahan yang akan menecemari lingkungan. Tetapi, peralihan sumber energi ke listrik juga menimbulkan masalah baru. Untuk penggunaan portable, listrik perlu disimpan didalam baterai. Salah satu bahan pembuatan baterai adalah kobalt. Menurut howstuffworks, kobalt menjadi bahan yang penting karena kobalt merupakan bahan yang dapat baterai menjadi re-chargeable atau diisi ulang karena sifatnya yang tidak mudah panas. Yang menjadi masalah adalah proses bagaimana kobalt ini ditambang.

Republik Demokratik Kongo, merupakan negara yang menjadi produsen kobalt terbesar di dunia. Menurut Council on Foreign Relations, 70% dari total produksi kobalt di seluruh dunia berasal dari Kongo dan 15-30% yang dihasilkan oleh Kongo berasal dari tambang-tambang kecil atau tambang artisanal. Tambang tersebut bukan dikelola oleh perusahan tambang besar namun dipegang oleh warga setempat. Alat-alat yang mereka gunakan hanya alat gali manual dan tidak ada alat-alat keselamatan yang layak.

Namun, tambang besar yang menuyumbang ¾ dari total produksi kobalt di Kongo sebagian besar kepemilikan perusahaan asing, khusunya perusahaan China. Padahal nilai total potensi sumber daya alam di Kongo yang didominasi kobalt mencapai 20 triliun pound sterling atau sekitar 397 miliar lebih.

Karena kepemilikan tambang kobalt besar dikuasai oleh pihak asing dan warga lokal hanya memiliki tambang skala kecil membuat potensi besar tersebut menjadi tidak dapat dirasakan oleh masyarakat Kongo itu sendiri. Dengan potensi sebesar itu, bukannya menjadi negera yang kaya dan makmur, masyarakat Kongo harus hidup dibawah garis kemiskinan.

Selain kesenjangan tersebut, masyarakat yang disekitar pertambangan juga mendapat ancaman jangka panjang yang lebih parah dari penghasilan yang lebih kecil. Di Kolwezi, wilayah Kongo yang terkenal dengan tambang kobalt terjadi peningkatan jumlah penderita penyakit dan cacat setelah maraknya penambangan kobalt. Tidak hanya itu, setelah dilakukan serangkaian penelitian ditemukan bahwa wanita-wanita hamil di Kolwezi terpapar logam berat dalam level yang berbahaya. Hal tersebut bisa terjadi karena merekan menghirup debu tambang. Kandungan logam berat yang terlalu tinggi ini juga yang menyebabkan banyak kelahiran tidak normal di Kolwezi.

Gambar 1 Channel YouTube Sepulang Sekolah

(Sumber: Olahan Peneliti 2024)

Sepulang sekolah merupakan akun YouTube edukasi yang membahas sejarah dunia dan isu yang sedang berkembang di media sosial. Sepulang Sekolah memiliki konten khas yang diberi nama Learning By Googling.

Pada 18 September 2023, Sepulang Sekolah mengunggah sebuah video yang berjudul “Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling”. Unggahan tersebut menarik perhatian publik untuk memberikan berbagai tanggapan dan opini mereka lewat kolom komentar. Sampai pada 12 Januari 2024, komentar video tersebut mencapai 1,464 dan sudah ditonton sebanyak 414,625 kali.

Gambar 2 Video YouTube Sepulang Sekolah

(Sumber: Olahan Peneliti 2023)

Dari penjelasan di atas, peneliti tertarik untuk menjadikan video tersebut data yang akan dianalisis jaringan sosialnya. Peneliti menggunakan netlytic dan gephi untuk menganalisis jaringan sosial yang terbentuk dari komentar pada video podcast tersebut.

2.         Analisis Jaringan “Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling” dengan model Netlytic

Analisis jaringan komunikasi berkaitan dengan hubungan sosial menggunakan teori jaringan yang terdiri dari node dan edge. Node yang merupakan seorang individu/aktor dalam sebuah jaringan, dan edge merupakan hubungan antara node. Dalam mengetahui pola dan interaksi yang terjadi dalam sebuah jaringan, peneliti dapat merepresentasikan jaringan tersebut ke dalam graf, pada jejaring sosial youtube, setiap user akan digambarkan ke dalam sebuah node dan setiap relasi antar node divisualisasikan ke dalam sebuah edge.

Relasi seperti komentar dan like pada fitur jejaring sosial youtube dapat mempengaruhi tingkat kepopuleran tersebut. Nilai dari relasi ini dapat disebut juga dengan Sentralitas. Berdasarkan sumber data, Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling akan dianalisis menggunakan metode Social Network Analysis untuk melihat aktor-aktor yang mendistribusikan informasi melalui Netlytic.

Jaringan Sosial Netlytic yang secara otomatis dapat meringkas dan menemukan jaringan komunikasi sosial yang tersedia. Pencarian distribusi informasi mengenai Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dapat dianalisis menggunakan Netlytic karena terdapat 1,149 dataset yang dapat di recall oleh Netlytic, dari dataset tersebut maka menghasilkan pola jaringan seperti berikut:

Gambar 3 Visualisasi Jaringan Komunikasi Netlytic

(Sumber: Olahan Peneliti 2024)

Jika dilihat dari banyaknya node dan edge pada gambar tersebut, aktor utama dengan kepopuleran tertinggi yaitu pada akun @alean16 (kuning).  Netlytic terbukti dapat memperlihatkan node atau aktor-aktor utama yang terkuat dalam mendistribusikan informasi pada jejaring sosial youtbe melalui pola jaringan.

2.1.      Total Degree

Degree merupakan jumlah hubungan suatu node dalam hubungan terhadap node yang lainnya pada suatu network. Degree yang digunakan adalah total degree yang berarti jumlah dari indegree yang memberikan opini dan outdegree yang diberikan opini.

Gambar 4 Degree Netlytic

(Sumber: Olahan Peneliti 2024)

Pada Netlytic tidak ditampilkan data degree. Namun, dari pembuatan gambar network yang didapatkan dapat diperkirakan bahwa @alean16 (kuning) memiliki degree yang tertinggi. Hal tersebut dikarenakan node nya terhubung dengan banyak node lainnya dan total degree yang tinggi

Gambar 5 Visualisasi Jaringan Komunikasi Netlytic

(Sumber: Olahan Peneliti 2024)

Pada gambar di atas bahwa keberadaan @alean16 (kuning) pada data di aplikasi Netlytic terbukti bahwa aktor tersebut merupakan aktor penting dalam pendistribusian informasi dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

2.2       Cluster

Cluster adalah sekelompok node terhubung padat yang lebih mungkin untuk berkomunikasi satu sama lain daripada node di luar cluster.

Gambar 6 Pengelompokan Cluster pada Netlytic

(Sumber: Dokumentasi peneliti 2024)

Netlytic mengklusterkan dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling menjadi 5 cluster. Node seseorang dalam cluster dengan warna yang sama.

 

 

Cluster 1 @azr0ckship

 

 

                     Cluster 2 @sepulang sekolah

 

 

 

 

 

                       Cluster 3 @vlogdewa family

 

 

 

 

 

 

Cluster 4 @hardiantorahmatullah4405

 

 

              Cluster 5 @scarlion97


 

 

Others

Gambar 7 Pola masing-masing Cluster pada Netlytic

(Sumber: Olahan Peneliti 2024)

Anggota dari Cluster 1 yaitu @azr0ckw4rsh1p. @azr0ckw4rsh1p merupakan orang yang sangat kuat berkomunikasi di Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling total degree 9.

Anggota dari Cluster 2 yaitu @sepulang sekolah, @gemamoch1, dan @dreamwelch8100. @sepulang sekolah, @gemamoch1, dan @dreamwelch8100 merupakan pengguna media sosial youtube, di cluster 2 terdapat total degree sama yaitu 7.

Anggota dari Cluster 3 yaitu @vlogdewafamily. @vlogdewafamily merupakan pengguna media sosial youtube, di cluster 3 dengan total degree 7.

Anggota dari Cluster 4 yaitu @shineekebabybuff1452 dan @scarlion97. @shineekebabybuff1452 dan @scarlion97 merupakan pengguna media sosial youtube, di cluster 2 terdapat total degree sama yaitu 6.

Anggota dari Cluster 5 yaitu @bayurocky1326, @hardiantorahmatullah4405, dan @edwardrajesh dengan total degree 6.

 

2.3       Analisis Data Netlytic Pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Dalam Netlytic ditemukan awal mulainya video di upload dan mendapatkan komentar untuk dibicarakan hingga puncak topiknya seperti yang dapat dilihat pada gambar berikut:

Gambar 8 Data Post Over Time

(Sumber: Olahan Peneliti, 2024)

Dapat dilihat pada tanggal tanggal 18 September 2023 mulai perbincangan mengenai konten Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling. Lalu turun sampai tanggal 22 September 2023.

Dalam aplikasi Netylic juga terdapat daya yang banyak untuk menggunggah komen terdapat 10 akun, diantaranya ada akun @alean13, @azr0ckw4r, @MrACTAVIS, @dreamwel, @bayurocky, @zeuserwin, @mimido6699, @hendiwija, @getintouchss, dan @makbarr1. Berikut ini merupakan presentasi yang didapatkan dalam top 10 dalam mengunggah poster.

Gambar 10 Top Ten Poster

(Sumber: Olahan Peneliti, 2024)

Dengan hal ini mengenai degree yang merupakan jumlah hubungan dalam suatu node dengan hubungan terhadap node yang lainnya pada suatu jaringan. Degree yang digunakan adalah total degree yang berarti jumlah dari indegree (yang mengenal) dan outdegree (yang dikenal). dalam Netlytic terdapat top 10 user berdasarkan in-degree dan top 10 user berdasarkan out-degree.

Gambar 11 Top 10 users In-degree

(Sumber: Olahan Peneliti, 2023)

Pada gambar di atas dapat dilihat top user In-degree yang dimana paling atas yaitu @vlogdewafamily yang memiliki peran penting dalam pendistribusian di Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Gambar 12 Top 10 Users Out-Degree

(Sumber: Olahan Peneliti, 2024)

Dapat dilihat pada gambar di atas terdapat aktor aktor paling utama dalam top out degree yang dimana mempunyai pendistribusian informasi yang saling berkaitan satu sama lain dengan aktor paling utama seperti @alean13 lalu yang kedua ada @azr0ckw4r lalu yang paling terakhir ada @mractavis dalam komenan dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

.

2.3.1    Network Properties

            Network properties adalah Jaringan Wireless adalah jaringan yang mengkoneksi dua komputer atau lebih menggunakan sinyal radio, cocok untuk berbagai-pakai file, printer, atau akses internet. 

Tabel 1 Network Properties by Netlytic.org

Network Properties

Diameter

4

Density

0.001136

Reciprocity

0.000000

Centralization

0.004307

Modularity

0.992000

Diameter menghitung langkah terpendek antara jarak terpanjang antara dua peserta jaringan. Langkah ini menunjukkan ukuran jaringan, dengan menghitung jumlah node yang dibutuhkan untuk mendapatkan dari satu sisi ke sisi lain. Netlytic memperoleh hasil diameter dengan dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling sebanyak 4 diameter.

Density (kepadatan) adalah proporsi ikatan yang ada untuk jumlah total ikatan mungkin dalam jaringan. Dengan kata lain, itu dihitung dengan membagi jumlah ikatan yang ada (koneksi) dengan jumlah ikatan yang mungkin. Langkah inimembantu untuk menggambarkan seberapa dekat peserta dalam jaringan. Netlytic memperoleh hasil density dengan nilai 0.001136. Dengan demikian, Netlytic telah memberitahukan bahwa keadaan jaringan tidak banyak.

Reciprocity (timbal balik) adalah proporsi ikatan yang menunjukkan komunikasi dua arah (juga disebut ikatan timbal balik) dalam kaitannya dengan jumlah total ikatan yang ada. Hal ini diukur dengan jumlah ikatan timbal balik dalam kaitannya dengan jumlah total ikatan dalam jaringan (tidak semua ikatan mungkin). Sebuah nilai yang lebih tinggi menunjukkan banyak peserta memiliki dua percakapan, sedangkan nilai timbal balik yang rendah menunjukkan banyak percakapan adalah satu-sisi, sehingga ada sedikit kembali dan sebagainya percakapan. Netlytic memperoleh hasil Reciprocity dengan nilai 0.000000 Reciprocity. Dengan demikian, Netlytic telah memberitahukan bahwa tingkat timbal balik rendah.

Sentralisasi mengukur tingkat sentralitas rata-rata semua node dalam sebuah jaringan. Ketika jaringan memiliki nilai sentralisasi tinggi lebih dekat ke 1, itu menunjukkan ada peserta sentral beberapa yang mendominasi arus informasi dalam jaringan. Jaringan dengan pengukuran rendah sentralisasi lebih dekat ke 0 dianggap didesentralisasikan mana informasi mengalir lebih bebas antara banyak peserta. Netlytic memperoleh hasil Centralization dengan nilai 0.004307 Centralization. Dengan demikian, Netlytic telah memberitahukan bahwa nilai tersebut tergolong rendah karena lebih mendekati angka 0. hal tersebut berarti di dalam network youtube tidak hanya terdiri dari 1 peserta yang menggunakan yang mendominasi tautan tersebut.

Modularitas menentukan apakah cluster ditemukan mewakili masyarakat yang berbeda dalam jaringan. Nilai-nilai yang lebih tinggi menunjukkan berbedaan yang jelas antara masyarakat yang diwakili oleh cluster di Netlytic. Nilai-nilai rendah modularitas, biasanya kurang dari 0.5, menunjukkan bahwa cluster, ditemukan oleh Netlytic, akan tumpang tindih lebih; jaringan lebih cenderung terdiri dari suatu kelompok yang mendominasi. Netlytic memperoleh hasil Modularity dengan nilai 0.992000. Nilai tersebut digolongkan dalam nilai modularitas yang tinggi karena diatas angka 0.5. Nilai-nilai yang lebih tinggi menunjukkan berbedaan yang jelas antara masyarakat yang diwakili oleh cluster di Netlytic. Hal tersebut merupakan hal yang baik karena peserta terdistribusi merata.

 

3.         Analisis Sentralitas Jaringan Komunikasi Pada Fenomena “Nasib Tumbal Energi Go Green!” Dengan Model GEPHI

Software Gephi merupakan modul jaringan yang dapat diolah dengan di impor, divisualisasikan, dipetakan, difilter, dimanipulasi dan diekspor di dalam software Gephi tersebut.

Analisis jaringan komunikasi mengkaitkan hubungan sosial dengan teori jaringan yang terdiri dari node dan edge. Node yang merupakan seorang individu/aktor dalam sebuah jaringan, dan edge merupakan hubungan antara node.

Penelitian dilakukan dengan memvisualisasikan data interaksi jaringan pendistribusian informasi pada tautan dengan keywords “Nasib Tumbal Energi Go Green” pada situs jejaring sosial Youtube dengan menggunakan software Gephi versi 0.10.1. Data divisualisasikan ke dalam sociogram dimana titik pada gambar disebut “node” atausimpul merepresentasikan seorang individu yang dihubungkan oleh garis yang disebut “edge”. Dua node yang terhubung dinyatakan dengan adanya garis yang menghubungkan keduanya. Semakin tebal garis maka semakin banyak jumlah interkasi yang terjadi antara dua node tersebut.

Dalam mengetahui pola dan interaksi yang terjadi dalam sebuah jaringan, peneliti dapat merepresentasikan jaringan tersebut ke dalam graf, pada jejaring sosial youtube, setiap user akan digambarkan ke dalam sebuah node dan setiap relasi antar node divisualisasikan ke dalam sebuah edge. Relasi seperti mention, replay, dan like pada fitur jejaring sosial youtube dapat mempengaruhi tingkat kepopuleran tersebut. Nilai dari relasi ini dapat disebut juga dengan Sentralitas.

Berdasarkan sumber data isi Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dapat dianalisis menggunakan metode Social Network Analysis untuk melihat aktor-aktor yang mendistribusikan informasi melalui Gephi.

Gephi yang secara otomatis dapat meringkas dan menemukan pola jaringan komunikasi yang tersedia. Pencarian distribusi Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling yang diakses pada tanggal 12 Januari 2024 dapat dianalisis menggunakan Gephi. Gephi dapat menghasilkan sebuah pola jaringan untuk mengetahui aktor-aktor yang terdapat pada pendistribusian informasi pada tautan dalam penentuan Centrality. Data berikut menunjukan hasil dari data in-degree, out-degree dan total degree pada aktor yang memiliki kekuatan terbesar dalam pola jaringan tersebut:

3.1       Analisis Sentralitas Degree pada Gephi

            Degree merupakan jumlah hubungan suatu node dalam hubungan terhadap node yang lainnya pada suatu network. Degree yang digunakan adalah total degree yang berarti jumlah dari indegree (yang mengenal) dan outdegree (yang dikenal).

Gambar 13 Pola Jaringan Degree Komunikasi Gephi

(Sumber: Olahan data peneliti, 2024)

Tabel 2 Degree Statistic by Gephi

Label

Degree

@alean13

11

@azr0ckw4rsh1p

9

@vlogdewafamily

7

@sepulangsekolah

7

@gemamoch1

7

Pada data tabel bisa dilihat tabel yang terdapat @alean13 node yang merupakan aktor yang mendapatkan nilai degree sebanyak 11, yang berarti @alean13 adalah aktor yang paling banyak dimention oleh pola jaringan yang terbentuk dari konten Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Pada data table nodes degree terdapat 5 nodes yaitu @alean13 dengan jumlah degree sebanyak 11, @azr0ckw4rsh1p sebanyak 9, @vlogdewafamily, @sepulangsekolah, dan @gemamoch1 memiliki jumlah degree sama sebanyak 7 yang berarti ke-5 nodes tersebut lebih sering reply atau berkomentar di Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Diketahui aktor-aktor tersebut merupakan pengguna akun pribadi, dimana masing masing aktor tersebut terlibat aktif dalam memberikan opininya mereka tentang Nasib Tumbal Energi Go Green, pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

3.2       Analisis Sentralitas In-Degree pada Gephi

Gambar 14 Pola Jaringan In-Degree pada Gephi

(Sumber: Olahan data peneliti, 2024) 

Tabel 3 In-Degree statistic by gephi

Label

In-Degree

@vlogdewafamily

6

@gemamoch1

6

@drekikun8822

6

@diystron_

6

@chandramarbun

6

Bisa dilihat tabel, @vlogdewafamily, @gemamoch1, @drekikun8822, @diystron, dan @chandramarbun adalah aktor-aktor yang paling banyak dimention oleh pola jaringan dengan jumlah 6. Nodes tersebut lebih sering di-mention atau disebutkan di Youtube terhadap pendistribusian tautan dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

3.3       Analisis Sentralitas Out-Degree pada Gephi

Gambar 15 Pola Jaringan Out-Degree pada Gephi

(Sumber: Olahan data peneliti, 2024) 

Tabel 4 Out-Degree statistic by gephi

Label

Out- Degree

@alean13

10

@azr0ckw4rsh1p

8

@zeuserwin6456

5

@mractavis

5

@getintouchss

5

Bisa dilihat @alean13 yang merupakan aktor yang mendapatkan nilai out-degree sebanyak 10, yang berarti @alean13 adalah aktor yang paling banyak me-reply pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Pada data table nodes out-degree terdapat 5 nodes yaitu @alean13 dengan jumlah out-degree sebanyak 10, @azr0ckw4rsh1p sebanyak 8, @zeuserwin6456, @mractavis, dan @getintouchss memiliki jumlah out-degree sama sebanyak 5 yang berarti ke-5 nodes tersebut lebih sering me-reply atau menyebutkan pendistribusian tautan “Nasib Tumbal Energi Go Green”.

Pada hasil out-degree dapat ditemukan aktor-aktor terpenting pada tabel 4 bahwa aktor tersebut adalah aktor yang terdistribusi dalam fenomena Nasib Tumbal Energi Go Green yang semua aktornya merupakan pengguna akun pribadi, dimana dalam masing masing perbedaan aktor tersebut menjadi satu dan terlibat aktif dalam memberikan opininya pada Channel Youtube Sepulang Sekolah yang Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

4.         Analisis Sentralitas pada Jaringan Komunikasi Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Dalam Social Network Analysis, terdapat empat cara untuk mengukur centrality, yaitu dengan cara menghitung degree centrality, betweeness centrality, closeness centrality dan eigenvector centrality. Pada penelitian ini akan digunakan tiga cara perhitungan, yaitu eigenvector centrality, betweeness centrality, dan closeness centrality.

4.1       Analisis Eigenvector Sentralitas pada Jaringan Komunikasi Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Eigenvector centrality merupakan pengukuran pentingnya atau berharganya suatu node dalam jaringan sosial. Node ini yang berperan sebagai penghubung bagi individu lainnya yang tidak saling terhubung sebelumnya. Semakin tinggi nilainya (mendekati 1) maka semakin penting pula node tersebut.

Data tabel pada aplikasi gephi dalam Eigenvector Centrality peneliti menyimpulkan bahwa node dengan kepopuleran tertinggi dengan nilai sempurna yaitu 1.0.

Pada penentuan Centrality dalam Eigenvector Centrality dapat memunculkan pola jaringan pada Eigenvector Centrality, pola jaringan ini memperlihatkan nodes yang berhubungan dengan nodes lain. Hasil gambaran pola jaringan pada Eigenvector Centrality sebagai berikut:

Gambar 16 Pola Jaringan Eigenvector Centrality pada Gephi

(Sumber: Olahan data peneliti, 2024)

Dapat disimpulkan bahwa jika nilai pada eigenvector centrality mendekati angka 1.0, maka semakin banyak juga kenalan pada node tersebut.

Gambar 17 Data Tabel Eigenvector pada Gephi

(Sumber: Olahan data peneliti, 2024)

Peneliti memfokuskan pada nilai 1.0 yaitu akun @gemamoch1 sebagai aktor utama pada penentuan Centrality dalam Eigenvector Centrality untuk mengetahui pola jaringan nodes pada @gemamoch1.

Gambar 18 Pola Jaringan @gemamoch1pada Gephi

(Sumber: Olahan data peneliti, 2024)

Gambar di atas menunjukkan posisi @gemamoch1 yang menjadi Eigenvector Centrality terbesar karena komentar nya mendapat balasan persetujuan dari nodes lain. Dengan hal ini dapat dilihat bahwa node @gemamoch1 dapat terhubung oleh nodes lain melalui opini digital yang menunjukkan kebebasan dalam berkomunikasi dengan terjaga, atau tidak terlalu dibatasi oleh karena itu melalui opini digital publik dapat dengan bebas mengutarakan aspirasinya, termasuk menyampaikan opininya terkait Nasib Tumbal Energi Go Green. Maka @gemamoch1 merupakan aktor penting dalam pendistribusian informasi pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Tabel 5 Eigenvector pada Gephi

Label

Eigenvector Centrality

@gemamoch1

1.0

@sepulangsekolah

0.573252

@vlogdewafamily

0.558920

@pardiagustin420

0.473380

@chandramarbun

0.459048

 

Hasil data tabel pengukuran yang menunjukkan bahwa tautan dengan Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling memiliki node dengan eigenvector centrality tertinggi yaitu @gemamoch1 dengan nilai sempurna 1.0. Dapat disimpulkan bahwa data eigenvector sentralitas @gemamoch1 merupakan aktor yang keberadaannya begitu populer sehingga distribusi informasi dengan Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Hasil data tabel pada node @sepulangsekolah pada Eigenvector Centrality hanya mendapatkan nilai sebanyak 0.573252 nilai tersebut tidak mendekati nilai sempurna yaitu 1.0 maka node @sepulangsekolah tidak dapat dianggap sebagai node tertinggi karena kepopuleran node @sepulangsekolah tidak mencapai nilai sempurna. Dapat disimpulkan bahwa pada data Eigenvector Centrality @sepulangsekolah merupakan aktor yang keberadaannya tidak begitu populer dalam pendistribusian informasi dari Channel Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling

Hasil data tabel pada node @vlogdewafamily pada nilai Eigenvector Centrality hanya mendapatkan nilai sebanyak 0.558920 nilai tersebut tidak mendekati nilai sempurna yaitu 1.0 maka node @vlogdewafamily tidak dapat dianggap sebagai node tertinggi karena kepopuleran node @vlogdewafamily tidak mencapai nilai sempurna. Dapat disimpulkan bahwa pada data Eigenvector Centrality @vlogdewafamily merupakan aktor yang keberadaannya tidak begitu populer dalam pendistribusian informasi dari Channel Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Hasil data tabel pada node @pardiagustin420 pada nilai Eigenvector Centrality hanya mendapatkan nilai sebanyak 0.473380 nilai tersebut tidak mendekati nilai sempurna yaitu 1.0 maka node @pardiagustin420 tidak dapat dianggap sebagai node tertinggi karena kepopuleran node @pardiagustin420 tidak mencapai nilai sempurna. Dapat disimpulkan bahwa pada data Eigenvector Centrality @pardiagustin420 merupakan aktor yang keberadaannya tidak begitu populer dalam pendistribusian informasi dari Channel Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Hasil data tabel pada node @chandramarbun pada nilai Eigenvector Centrality hanya mendapatkan nilai sebanyak 0.459048 nilai tersebut tidak mendekati nilai sempurna yaitu 1.0 maka node @chandramarbun tidak dapat dianggap sebagai node tertinggi karena kepopuleran node @chandramarbun tidak mencapai nilai sempurna. Dapat disimpulkan bahwa pada data Eigenvector Centrality @chandramarbun merupakan aktor yang keberadaannya tidak begitu populer dalam pendistribusian informasi dari Channel Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

 

4.2       Analisis Betweenness Sentralitas pada Jaringan Komunikasi Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Betweeness centrality merupakan pengukuran sentralitas suatu node. Betweeness dapat dimisalkan sebagai simbol “kekuatan” atau “pengaruh” suatu node dalam jejaring sosial. Karena node tersebut sebagai jembatan/penghubung ke node lain. Semakin tinggu nilai nya, maka semakin penting pula node tersebut.

Gambar 19 Pola Jaringan Betweenness Centrality pada Gephi

(Sumber: Olahan data peneliti, 2024)

Pada Gephi, juga ditampilkan kelompok dengan betweenness centrality yang sama.

Gambar 20 Data Tabel Betweenness pada Gephi

(Sumber: Olahan data peneliti, 2024)

Dari data tersebut dapat dilihat mengetahui tingkat betweeness centrality yang dominan pada pendistribusian informasi dari Channel Youtube Sepulang Sekolah yang Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dengan nodes lainnya. yaitu 6.0. Hal tersebut berarti pendistribusian informasi pada Channel Youtube Sepulang Sekolah yang Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling tidak memiliki banyak node yang menjadi jembatan untuk node lainnya.

Gambar 21 Pola Jaringan @dreamwelch8100 pada Gephi

(Sumber : Olah data penelitian, 2024)

Gambar di atas menunjukkan posisi @dreamwelch8100 yang menjadi betweenness centrality terbesar dengan Opini digital yang membentuk dan mempengaruhi pendapat pribadi publik terkait issue yang sedang terjadi. Dapat dilihat bahwa node @dreamwelch8100 menjadi penghubung yang menghubungkan komunikasi dengan pengguna akun lainnya.

Tabel 6 Betweenness Centrality pada Gephi

Label

Betweeness Centrality

@dreamwelch8100

6.0

@sepulangsekolah

6.0

@muhammadzulkhamgustiar7086

3.0

@kijangberburu5991

2.0

@hafidzmuqorrobin1779

1.0

 

Hasil pengukuran menunjukkan pendistristribusian Nasib Tumbal Energi Go Green dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling memiliki node dengan betweeness centrality tertinggi yaitu @dreamwelch8100 dan @dreamwelch8100 dengan nilai sempurna yaitu 6.0. Dapat disimpulkan bahwa @dreamwelch8100 dan @dreamwelch8100 merupakan sebagai nodes terkuat dalam menghubungkan pendistribusian informasi pendistristribusian mengenai informasi Nasib Tumbal Energi Go Green dari Channe Youtube Sepulang Sekolah yang berjudul berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dengan nodes lainnya.

Hasil pengukuran menunjukkan pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling node @muhammadzulkhamgustiar7086 dengan nilai 3.0 yang merupakan nilai yang merupakan nilai kurang dari 6.0. Dapat disimpulkan bahwa @muhammadzulkhamgustiar7086 merupakan nodes yang tidak memiliki pengaruh yang kuat dalam menghubungkan pendistribusian informasi mengenai Nasib Tumbal Energi Go Green dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dengan nodes lainnya.

Hasil pengukuran menunjukkan pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling node @kijangberburu5991 dengan nilai 2.0 yang merupakan nilai yang merupakan nilai kurang dari 3.0. Dapat disimpulkan bahwa @kijangberburu5991 merupakan nodes yang tidak memiliki pengaruh yang kuat dalam menghubungkan pendistribusian informasi mengenai gagasan calon presiden dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dengan nodes lainnya.

Hasil pengukuran menunjukkan pada Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling node @hafidzmuqorrobin1779 dengan nilai 1.0 yang merupakan nilai yang merupakan nilai kurang dari 2.0. Dapat disimpulkan bahwa @hafidzmuqorrobin1779 merupakan nodes yang tidak memiliki pengaruh yang kuat dalam menghubungkan pendistribusian informasi dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dengan nodes lainnya. Hasil gambaran pola jaringan pada Betweeness Centrality sebagai berikut:

 

4.3       Analisis Closeness Sentralitas pada Jaringan Komunikasi dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling dengan nodes lainnya.

Closeness centrality merupakan pengukuran banyaknya node lain yang dikenal oleh satu node dalam graph, tanpa pertimbangan bahwa node tersebut dekatataupun mengetahui detil informasi node lain. Semakin tinggi nilai nya (mendekati 1) maka semakin banyak kenalan pula node tersebut.

Tabel 7 Closeness Centrality pada Gephi

Closeness centrality

Closeness centrality

1.0

99

0.8

1

0,75

3

0.66

3

0.6

1

0.57

1

0.5

1

0.0

905

Hasil data tabel pada Closeness Centrality menunjukan sentralitas kedekatan yang menggambarkan seberapa dekat aktor dengan aktor-aktor lain dalam jaringan sosial. Hasil menunjukkan semua aktor di tabel aktor yang memiliki tingkat kedekatan dengan aktor lainnya. Sehingga mereka memiliki kebebasan dalam berkomunikasi dengan aktor lainnya dalam menginformasikan dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

     

Gambar 22 Pola Jaringan Closeness pada Gephi

                (Sumber: Olahan data peneliti, 2024)

Gambar di atas merupakan salah satu pola dari clossnes centrality yang diman adapat dilihat secara keseluruhan dan saling terhubung satu sama lain. Maka closeness merupakan salah satu bagian yang terpenting dalam pendistribusian informasi dari Channel Youtube Sepulang Sekolah yang berjudul Nasib Tumbal Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

5          Analisis Pembentukan Digital Opinion Pada Channel Youtube Sepulang Sekolah yang berjudul Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

Internet merupakan suatu jaringan untuk menghubungkan ke komputer yang memudahkan penggunanya untuk mentransfer data atau suatu informasi melalui sebuah bentuk protokol transmisi berdasarkan sistem pengalamanan data. Pada pendistribusian informasi pada komenan dan balasan tentu adanya pendistribusian informasi yang menghasilkan sebuah pola jaringan yang direpresentasikan pada aplikasi Netlytic. Berdasarkan hasil temuan pada netlytic ditemukan total massages 1030.  Dengan hal ini ditemukan 5 cluster berdasarkan pada akun @azr0ckwarship, @sepulangsekolah, @vlogdewafamily, @scarlion97 dan @hardiantorahmatullah4405. Jika ditelusuri kembali topik paling sering dibicarakan yaitu Listrik, green, tambang, negara dan masih banyak lagi lainnya.

            Pada gambar tersebut menunjukkan beberapa konten yang terkait dengan komen yang dimana Konsep digitalnya yang dibangun melalui media sosial youtube konsep opini publik. Berikut ini beberapa yang ditemukan oleh peneliti sebagai berikut :

Gambar 23 Dataset

(Sumber: Olahan Peneliti, 2024)

5.1       Analisis Jaringan Keyword Konten “Listrik” Pada Netlytic

Pada keyword “Listrik” merupakan suatu upaya dari publik dalam dari Channel Youtube Sepulang Sekolah yang berjudul Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling. Komen tersebut dilakukan oleh akun @ExpiredUltra, @wdimassyaifulloh9485, @naugiavrilio, @galst3153, @friedrice021 dan masih banyak yang lainnya. Akun-akun tersebut merupakan pengguna youtube yang aktif dalam memberikan opininya pada kolom komontar. Netlytic mendapatkan 151 postingan komenan.

Gambar 24 Data yang berkaitan dengan “Listrik”

(Sumber: Olahan Peneliti, 2024)

Dapat dilihat pada gambar di atas merupakan salah satu dari banyaknya topik yang sedang dibicarakan oleh publik terhadap topik “Listrik” di media youtube. Komunikasi bermedia pada saat ini mempermudah penggunanya untuk memberikan opini yang bergerak sangat cepat dalam fenomena "Nasib Tumbal Energi Go Green dari Channel Youtube Sepulang Sekolah yang berjudul Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling.

5.2       Analisis Jaringan Keyword “green” Pada Netlytic

Pengguna akun youtube banyak yang memberikan opini mengenai “green” yang dimana Netlytic berhasil menemukan 149 postingan yang ditemukan pada netlytic dari berbagai pengguna akun di media sosial youtube.

Gambar 25 Data yang berkaitan dengan “green”

 (Sumber: Olahan Penulis, 2024)

Pada gambar di atas dapat dilihat berbagai akun dan kalangan ikut serta memberikan masing masing opininya salah satu contohnya pada tanggal 18 September 2023 akun @pardiagustin420 memberikan komentar “akhirnya ini yg gue tunggu-tunggu sisi lain dari "go green" yang katanya paling ramah lingkungan. Dengan hal ini Komunikasi membuat publik dapat memberikan opini dan opini tersebut menunjukan sisi lain yang berkaitan di media sosial youtube.

5.3       Analisis Jaringan Keyword "tambang" Pada Netlytic

Banyak yang berkomen memberikan opini mengenai “tambang”. Dengan hal ini Netlytic menemukan 130 postingan dan ditemukan pada netlytic dari berbagai akun.

Gambar 26 Data yang berkaitan dengan “tambang”

               (Sumber: Olahan Penulis, 2024)

6          Kesimpulan

Pada analisis jaringan sosial yang menggunakan data dari komentar YouTube Sepulang Sekolah yang berjudul Energi Go Green! Jadi Cacat Demi Bumi! Negerinya Tetap Miskin! | Learning by Googling menggunakan netlytic dan gephi, ditemukan beberapa aktor yang memiliki peranan penting dan pengaruh pada jaringan tersebut. Eigenvector centrality dari jaringan ini adalah akun @gemamoch1. Lalu, aktor yang berperan sebagai jembatan antaraktor dan juga paling dekat dengan aktor-aktor lain dalam jaringan adalah akun @dreamwelch8100.

Beberapa komentar yang dilontarkan publik juga dapat ditelusuri. Kebanyakan dari mereka menggunakan kata Listrik, green, dan tambang. Komentarnya berupa tanggapan dan opini mereka terhadap Nasib Tumbal Energi Go Green. Dapat dikatakan, komentar mereka juga menjadi opini publik yang ada di dunia digital.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Comments

Popular Posts