Social Media Analysis A new Beginning

Dunia sosial media begitu rame nya sekarang , menurut survey APJII 2015 terungkap bahwa 87,4 % pengguna internet di Indonesia mengakses jejaring sosial, melakukan browsing (68,7%), instant messaging (59,9%) dengan data seperti itu , tampak bahwa memang profile pengguna internet di Indonesia di dominasi  untuk multimedia dan sosialiasi.

Banyak yang tergila gila dengan dunia sosmed, sepertinya dunia berakhir ketika dunia maya tidak digenggam dalam tangannya, ada yang tiap menit ganti status, meskipun statusnya juga tidak penting penting amat, ada yg asal nulis yang berujung di bui, ada yang posting makanan, jualan dan masih banyak tipikal user lainnya.  Apapun  itu sah sah saja ( asal jangan menyinggung orang lain dan berujung masuk penjara).

Sosmed juga kini acap digunakan untuk melakukan “branding” terhadap suatu produk / jasa dan juga “personal branding” misalnya pada kasus pilkada gubernur DKI, masing masing dari cyber army nya perang opini, saling tangkis dalam rangka membentuk dan menggubah keyakinan seseorang, tentunya dengan harapan saat pilkada mencoblos calon calon mereka.  Oleh kareana itu sering muncul yg namanya berita “hoax” asal posting, crossposting , menurut asumsi saya ini salah satu skenario untuk menjaring dukungan sekaligus memperpanas suasana.

Tulisan saya kali ini bukan mau menyoroti bagaimana perilaku seseorang ketika menggunakan sosmed, namun kali ini saya akan mencoba memberikan gambaran riuhnya  sosmed melalui sebuah analisa.

Untuk memulainya saya memilih tag / keyword yang populer yaitu “ahok” , dan mari kita lihat hasil analisanya :

sosmed1

Okey..sesuai tagar “ahok” muncul informasi dari beragam sosial media yang berisi seputar pilkada DKI, Ahok baik yang berisi sentimen negatif maupun positif. Sekarang kita lihat seberapa besar perbandingan sentimen positif dan negatif nya.

sentimen

Dalam query tagar “ahok” pada saat penulisan menunjukkan adanya sentimen positif berbanding negatif (7:3), sisanya netral, artinya bisa jadi (asumsi) sebetulnya yang melakukan posting awal sebagian besar memberikan posting positif untuk ahok, sisanya posting negatif terhadap ahok dan posting sisanya netral, bisa kita lihat contoh posting positif dan negatifnya dibawah ini.positif

Nah chart berikut ini beda lagi ceritanya, disini akan dimunculkan jenis informasi yang paling banyak di munculkan.

tipe

Paling banyak ternyata foto(49%), selanjutnya adalah video(34%), status(9%) dan terakhir tautan link dengan angka 8%.dashboard1

Bila kta lihat melalui dashboard diatas sampai tulisan ini dibuat tampaknya informasi twit mendominasi, sorry ya di contoh diatas ini karena aplikasi nya trial , saya cuma dibatas hanya bisa menganalisa sampai 5000 an data saja, jadi mentok disini. Tentunya dengan skala yang lebih besar ini bisa menjadi alat monitoring sentimen terhadap suatu kandidat (calon) atau merk tertentu misalnya. Beberapa contoh sampel dashboard masih terkait hastag” ahok ” adalah sebagai berikut :das1

dsa3

Nampak statistik url terbanyak yg disebar, hastag hastag lain yang muncul berkaitan dengan hastag “ahok”. Aplikasi yang saya pakai hanya sekedar contoh penggunaan , tentunya pada implementasinya hasil dari analisa diatas akan diolah untuk menentukan langkah selanjutnya agar keberlangsungan brandingnya tetap mendominasi sampai tujuan akhirnya tercapai.

Demikian apa yang dapat saya share kali ini. Semoga bermanfaat.

Edy Susanto|IT Konsultan
Visit Website
  • Edy Susanto Has Completed Training |CISA|CISM|RHCA|RHCE|CWNA|CWNE|CISSP|ISSEP|VCP DV|CEH|ECSA|CSSA|HEROWARE|SURELINE|QLIKVIEW|ITILv3|COBIT5|CSSGB|CTFL|OSCP|Lean Management |
  • Attenzione ! Attention !

    Segala yang artikel yang saya tulis ditujukan dalam rangka pembelajaran, mohon digunakan sebijaksana mungkin. Saya tidak bertanggung jawab apabila ada artikel yang disalah gunakan untuk kepentingan diluar mencerdaskan kehidupan bangsa.