Mengenal Big Data Media Sosial yang Menghebohkan
Bagaimana mengukur volume percakapan di media sosial? Tentu saja dapat diukur dari jumlah user yang terlibat dalam percakapan dan jumlah percakapan yang dihasilkan.
Jadi ketika berbicara volume big data di media sosial, kedua hal tersebut dapat digunakan sebagai tolok ukur utama yang dapat digunakan, misalnya data percakapan Twitter dengan kata kunci “3 periode” di bawah ini yang diunduh melalui aplikasi NodeXL. Metode yang digunakan adalah social network analytics yang mampu memetakan pengguan yang terlibat dalam percakapan tertentu serta topik yang dibicarakan dalam percakapan tersebut.
Data di bawah ini tentu saja belum bisa dikatakan sebagai sebuah big data karena jumlah yang diolah masih sangat sedikit. Namun metode yang digunakan dapat dimanfaatkan sebagai ilustrasi pengolahan data media sosial.
Jumlah akun yang terlibat sebanyak 4.157 pengguna unik ditunjukkan dengan lingkaran berwarna. Relasi antar-pengguna ditunjukkan dengan garis yang menghubungkan antar-lingkaran berwarna. Semakin besar ukuran lingkaran maka semakin populer pengguna tersebut artinya dia banyak di-mention dalam sebuah percakapan.
Relasi ini menggambarkan percakapan yang terjadi antar-pengguna. Semakin tebal garisnya maka semakin banyak percakapan yang terjadi. Sehingga volume big data akan mengacu ke dua hal tersebut, yaitu jumlah user atau percakapan yang timbul antar-pengguna.
Tentu saja jumlah percakapan antar pengguna ini bisa lebih besar dari pada jumlah user yang ada. Dengan kata lain, seorang pengguna A dan pengguna B dapat bercakap-cakap lebih dari satu kali, bahkan tidak terbatas. Dalam kasus ini terdapat 6.105 percakapan unik antar-pengguna.
Terkait dengan pengguna ini, perlu dilakukan validasi apakah pengguna ini nyata atau fake account? Hasil penelitian yang dipublikasikan di https://socialmediahq.com/twitter-has-a-huge-fake-follower-problem/ menunjukkan bahwa jumlah fake follower di Twitter dari pengguna yang sangat populer mencapai 40 %.
Artinya, 40 % dari percakapan yang dihasilkan oleh follower ini sebenarnya merupakan fake conversation juga. Sehingga tidak dapat digunakan sebagai bagian dalam menghitung opini publik terhadap sebuah kebijakan pemerintah, misalnya. Dengan kata lain percakapan ini perlu dikeluarkan dari keperluan analisis dan pengambilan kesimpulan atau jika tetap digunakan maka hasil kesimpulan dianggap tidak valid.
Selain memanfaatkan pendekatan social network analytics, analisis percakapan yang dapat dilakukan dengan menggunakan pendekatan sentiment analysis untuk melihat opini percakapan bersifat pro, kontra, atau netral. Sentimen analisis biasanya menghasilkan persentase percakapan dengan tiga kategori di atas. Ada banyak algoritme yang bisa digunakan untuk melakukan analisis sentimen.
Media sosial merupakan platform yang dapat menjadi sumber dari sebuah big data yang bermanfaat untuk berbagai hal. Salah satu manfaatnya yaitu memahami preferensi masyarakat, opini yang sedang berkembang di masyarakat, dan tentu saja berguna untuk keperluan pemasaran. Namun validitas data yang dihasilkan perlu diteliti sebelum kesimpulan diambil, untuk menghindari terjadinya kesimpulan yang jauh validitasnya.
Catatan Redaksi:
Katadata.co.id menerima tulisan opini dari akademisi, pekerja profesional, pengamat, ahli/pakar, tokoh masyarakat, dan pekerja pemerintah. Kriteria tulisan adalah maksimum 1.000 kata dan tidak sedang dikirim atau sudah tayang di media lain. Kirim tulisan ke [email protected] disertai dengan CV ringkas dan foto diri.
