Tentang Drone Emprit
Drone Emprit Academic
Social Media Analytics for Special Purposes
Understanding Social Media Data Sources
Big Data Analytics Architecture
Analytics Workflow and Settings
Twitter Data Crawling
Crawling Sumber Data Lain
Story Telling With Data
Use Cases
Analisis Trend
Analisis Jaringan Sosial
Analisis Aktor
Analisis Narasi
Analisis Topik
Analisis Geo Location
Analisis Sentimen
Analisis Emosi
Analisis Demografi
Analisis Bot
Analisis Difusi Informasi
Cara mensitasi Drone Emprit
Social Network Analysis using Gephi and Drone EmpritIsmail Fahmi
Mengenal SNA
Praktek SNA dengan open source tool (Gephi)
Praktek SNA dengan Drone Emprit Academic
Mengolah data SNA dari Drone Emprit menggunakan Gephi
Social Network Analysis
Cliques and Components
Triads, Network Density, and Conflict
Viralitas dan Difusi Informasi
SNA dan Twitter
Contoh
Konflik dan Viralitas
Viralitas Omnibus Law
Bot dan SNA
Digital 2023 Indonesia (February 2023) v01DataReportal
All the data, statistics, and trends you need to make sense of digital in Indonesia in 2023. Includes the latest reported numbers for internet users, social media users, and mobile connections in Indonesia, as well as key indicators of ecommerce use. For more reports, including the latest global trends and individual data for more than 230 countries around the world, visit https://datareportal.com/
Social Network Analysis using Gephi and Drone EmpritIsmail Fahmi
Mengenal SNA
Praktek SNA dengan open source tool (Gephi)
Praktek SNA dengan Drone Emprit Academic
Mengolah data SNA dari Drone Emprit menggunakan Gephi
Social Network Analysis
Cliques and Components
Triads, Network Density, and Conflict
Viralitas dan Difusi Informasi
SNA dan Twitter
Contoh
Konflik dan Viralitas
Viralitas Omnibus Law
Bot dan SNA
Digital 2023 Indonesia (February 2023) v01DataReportal
All the data, statistics, and trends you need to make sense of digital in Indonesia in 2023. Includes the latest reported numbers for internet users, social media users, and mobile connections in Indonesia, as well as key indicators of ecommerce use. For more reports, including the latest global trends and individual data for more than 230 countries around the world, visit https://datareportal.com/
Gerakan Bijak Bersosmed memberikan panduan praktis dalam menggunakan media sosial. Gerakan ini mengajak warganet untuk menggali lebih banyak manfaat dari media sosial lewat praktik-praktik media sosial yang positif dan produktif lewat prinsip THINK (True, Helpful, Illegal, Necessary, Kind). Mulai dari etika bersosmed, tantangan di media sosial, dan ajakan untuk mengenal UU ITE yang dikemas dalam bahasa yang mudah dipahami awam.
Materi ini disampaikan pada Kuliah Umum Literasi Digital bagi Mahasiswa Baru Program Studi Ilmu Komunikasi - Universitas Telkom pada tanggal 9 Agustus 2019
Digital 2022 Indonesia (February 2022) v01DataReportal
All the data, statistics, and trends you need to make sense of digital in Indonesia in 2022. Includes the latest reported numbers for internet users, social media users, and mobile connections in Indonesia, as well as key indicators of ecommerce use. For more reports, including the latest global trends and individual data for more than 230 countries around the world, visit https://datareportal.com/
"Ndasmu Etik" kata Prabowo dalam acara internal, 2023Ismail Fahmi
REKOMENDASI MITIGASI
Untuk memitigasi dampak negatif lebih lanjut dari kasus ucapan "Ndasmu Etik" yang dilontarkan oleh Prabowo, tim Prabowo dapat melakukan beberapa langkah berikut:
1. Minta maaf secara terbuka: Prabowo atau timnya dapat mengeluarkan pernyataan resmi yang menyampaikan permintaan maaf atas ucapan tersebut. Hal ini dapat menunjukkan sikap bertanggung jawab dan kesediaan untuk memperbaiki kesalahan.
2. Jelaskan maksud dan konteks: Tim Prabowo dapat memberikan penjelasan yang lebih rinci tentang maksud dan konteks dari ucapan tersebut. Menjelaskan bahwa itu adalah bercandaan atau bagian dari debat politik yang sengit dapat membantu mengurangi kebingungan dan penilaian negatif.
3. Fokus pada isu dan visi: Tim Prabowo dapat mengalihkan perhatian dari kontroversi ini dengan lebih fokus pada isu-isu yang relevan dan visi Prabowo sebagai calon pemimpin. Dengan mengedepankan program- program dan solusi yang ditawarkan, tim dapat membangun narasi yang lebih positif.
4. Komunikasi yang lebih hati-hati: Tim Prabowo perlu lebih berhati-hati dalam komunikasi publik, terutama dalam penggunaan kata-kata dan bahasa yang dapat menimbulkan kontroversi atau kesalahpahaman.
Menghindari penggunaan kata-kata kasar atau merendahkan pihak lain dapat membantu menjaga citra dan reputasi Prabowo.
5. Kolaborasi dengan influencer dan pendukung: Tim Prabowo dapat bekerja sama dengan influencer dan pendukung yang memiliki pengaruh di media sosial untuk membantu menyebarkan pesan yang lebih positif dan memperbaiki citra Prabowo. Kolaborasi ini dapat membantu mengubah narasi yang berkembang di media sosial.
6. Evaluasi dan pembelajaran: Tim Prabowo perlu melakukan evaluasi internal terhadap insiden ini dan belajar dari kesalahan yang terjadi. Hal ini dapat membantu mencegah terulangnya kasus serupa di masa depan dan meningkatkan kualitas komunikasi tim.
Workshop BSSN
AGENDA
• Era Big Data dan Kompetisi Digital • Belajar dari Finlandia
• Kecerdasan Digital
• Kurikulum Digital Citizenship
• Meta Awareness dan Healthy Self-Identity
• Kecerdasan Digital Perguruan Tinggi: Indonesia vs US • Penutup
CSEAS: Cyber troop and computational propagandaIsmail Fahmi
International Seminar on “Cyber Troops and Computational Propaganda in the Indonesian Presidential Election 2019” at CSEAS, Kyoto University
Date: Saturday, July 20nd, 2019
Time: 16:00 -19:00
Venue: Kyoto University Inamori Memorial Hall, 2rd floor Seminar Room
Presenter: Ismail Fahmi (Drone Emprit & PT. Media Kernels Indonesia)
Moderator: Masaaki Okamoto (CSEAS Kyoto University)
ABSTRACT:
The last Indonesia’s 2019 presidential election shown a different landscape of cyber war compared to its previous 2014 presidential election. In 2014, the use of social media and online media to create propaganda during campaigns was relatively new. However, in 2019 the number of people engaged in the cyber war is significantly increased especially from the opposition side. The use of bots to manipulate public opinion by amplifying or combating political content, disinformation, hate speech, and junk news was also increased in both parties.
In this presentation I will present how cyber troops from both parties (incumbent and opposition) engaged cyber wars to win their campaign messages. Furthermore using Drone Emprit, our big data analytics tool for online media and social media, I will show how computational propaganda using sophisticated bots, patterns, and techniques to trick the social media platforms was engaged.
I also will explain our efforts using the Drone Emprit analytics, that regularly and continuously analyzed the conversation and shared our findings through article posts in social media and mainstream media during the campaign periods. Our purpose was to build public awareness about the situation of the cyber war in order to they can see how hidden teams conduct computational propaganda that was targeted to win their opinion.
At the end of the presentation, I will conclude with lesson learned from the Indonesia’s 2019 presidential election.
Influence of Social Media and Mainstream Media in IndonesiaIsmail Fahmi
Overview of internet and social media penetration in Indonesia.
Applications, websites or social media pages that Indonesia people use for news consumption.
Overview Indonesia people attitudes in using social media: what factor matters? How user-generated content is created? To what extent user-generated content influence Indonesian people’s belief? Examples.
Infodemic and disinformation on social media: Intention, stakeholder responds, cyber law (management of criticism on social media, crisis management).
Digital identity: conclusion of social media influence on Indonesia people.
Potensi Mis-Dis-Mal Informasi dalam Pemilu 2024Ismail Fahmi
• MDM (Mis-, Dis-, Mal- Informasi) bisa dipastikan akan diproduksi dan disebarkan selama proses Pemilu 2024.
• Target MDM: tokoh politik, kandidat, organisasi/partai politik, Lembaga penyelenggara pemilu (KPU).
• Pelaku MDM: publik, buzzer, institusi, dan kadang media.
• Dampak MDM: distrust, polarisasi, instabilitas.
• Persiapan Pemilu 2024:
• Hoax buster (multi-stakeholder)
• Kecepatan klarifikasi
• Penyiapan tim KPU (pimpinan dan staf) dalam menghadapi MDM terkait KPU (agar tidak gagap ketika terjadi serangan)
• Edukasi publik (inokulasi, bisa mendeteksi sendiri adanya MDM)
Asn dan upaya mewujudkan visi indonesia 2045Dr. Zar Rdj
MEGATREN DUNIA 2045
1. Demografi Global
2. Urbanisasi Dunia
3. Peranan Emerging Economies
4. Perdagangan Internasional
5. Keuangan Internasional
6. Kelas Menengah
7. Persaingan Sumber Daya Alam
8. Teknologi
9. Perubahan Iklim
10. Perubahan Geopolitik
Indonesia Political Digital Landscape 2023Deddy Rahman
Analisa data-data kinerja akun official social media dari 18 partai politik nasional yang berkompetisi di Pemilu 2024. Diukur berdasarkan aktifitas mereka di platform yang disukai Milenial dan Gen-Z, yakni Instagram dan Tiktok.
Digital Culture for Digital TransformationSeta Wicaksana
"Without laying a strong foundation for culture and aligning employees to a digital vision, it will be extremely difficult to make any meaningful progress on digital transformations"
Machine Learning, Text Mining, dan Text AnalyticsIsmail Fahmi
Machine Learning dan Text Mining
Arsitektur sistem
Topik penelitian
Tools
Tahapan dalam pengembangan sistem
Bidang pekerjaan
Implementasi dalam Drone Emprit
• Layanan publik membutuhkan informasi statistik yang uptodate.
• Sosial media menjadi salah satu sumber informasi keadaan masyarakat yang bisa dimanfaatkan.
• Media online banyak menyampaikan informasi di lapangan, yang bisa diolah menjadi policy brief bagi pemerintah daerah.
• Metodologi statistik untuk big data media sosial perlu dirumuskan oleh BPS agar berbagai strategi media analytics bisa memiliki standard dalam mengolahannya.
Gerakan Bijak Bersosmed memberikan panduan praktis dalam menggunakan media sosial. Gerakan ini mengajak warganet untuk menggali lebih banyak manfaat dari media sosial lewat praktik-praktik media sosial yang positif dan produktif lewat prinsip THINK (True, Helpful, Illegal, Necessary, Kind). Mulai dari etika bersosmed, tantangan di media sosial, dan ajakan untuk mengenal UU ITE yang dikemas dalam bahasa yang mudah dipahami awam.
Materi ini disampaikan pada Kuliah Umum Literasi Digital bagi Mahasiswa Baru Program Studi Ilmu Komunikasi - Universitas Telkom pada tanggal 9 Agustus 2019
Digital 2022 Indonesia (February 2022) v01DataReportal
All the data, statistics, and trends you need to make sense of digital in Indonesia in 2022. Includes the latest reported numbers for internet users, social media users, and mobile connections in Indonesia, as well as key indicators of ecommerce use. For more reports, including the latest global trends and individual data for more than 230 countries around the world, visit https://datareportal.com/
"Ndasmu Etik" kata Prabowo dalam acara internal, 2023Ismail Fahmi
REKOMENDASI MITIGASI
Untuk memitigasi dampak negatif lebih lanjut dari kasus ucapan "Ndasmu Etik" yang dilontarkan oleh Prabowo, tim Prabowo dapat melakukan beberapa langkah berikut:
1. Minta maaf secara terbuka: Prabowo atau timnya dapat mengeluarkan pernyataan resmi yang menyampaikan permintaan maaf atas ucapan tersebut. Hal ini dapat menunjukkan sikap bertanggung jawab dan kesediaan untuk memperbaiki kesalahan.
2. Jelaskan maksud dan konteks: Tim Prabowo dapat memberikan penjelasan yang lebih rinci tentang maksud dan konteks dari ucapan tersebut. Menjelaskan bahwa itu adalah bercandaan atau bagian dari debat politik yang sengit dapat membantu mengurangi kebingungan dan penilaian negatif.
3. Fokus pada isu dan visi: Tim Prabowo dapat mengalihkan perhatian dari kontroversi ini dengan lebih fokus pada isu-isu yang relevan dan visi Prabowo sebagai calon pemimpin. Dengan mengedepankan program- program dan solusi yang ditawarkan, tim dapat membangun narasi yang lebih positif.
4. Komunikasi yang lebih hati-hati: Tim Prabowo perlu lebih berhati-hati dalam komunikasi publik, terutama dalam penggunaan kata-kata dan bahasa yang dapat menimbulkan kontroversi atau kesalahpahaman.
Menghindari penggunaan kata-kata kasar atau merendahkan pihak lain dapat membantu menjaga citra dan reputasi Prabowo.
5. Kolaborasi dengan influencer dan pendukung: Tim Prabowo dapat bekerja sama dengan influencer dan pendukung yang memiliki pengaruh di media sosial untuk membantu menyebarkan pesan yang lebih positif dan memperbaiki citra Prabowo. Kolaborasi ini dapat membantu mengubah narasi yang berkembang di media sosial.
6. Evaluasi dan pembelajaran: Tim Prabowo perlu melakukan evaluasi internal terhadap insiden ini dan belajar dari kesalahan yang terjadi. Hal ini dapat membantu mencegah terulangnya kasus serupa di masa depan dan meningkatkan kualitas komunikasi tim.
Workshop BSSN
AGENDA
• Era Big Data dan Kompetisi Digital • Belajar dari Finlandia
• Kecerdasan Digital
• Kurikulum Digital Citizenship
• Meta Awareness dan Healthy Self-Identity
• Kecerdasan Digital Perguruan Tinggi: Indonesia vs US • Penutup
CSEAS: Cyber troop and computational propagandaIsmail Fahmi
International Seminar on “Cyber Troops and Computational Propaganda in the Indonesian Presidential Election 2019” at CSEAS, Kyoto University
Date: Saturday, July 20nd, 2019
Time: 16:00 -19:00
Venue: Kyoto University Inamori Memorial Hall, 2rd floor Seminar Room
Presenter: Ismail Fahmi (Drone Emprit & PT. Media Kernels Indonesia)
Moderator: Masaaki Okamoto (CSEAS Kyoto University)
ABSTRACT:
The last Indonesia’s 2019 presidential election shown a different landscape of cyber war compared to its previous 2014 presidential election. In 2014, the use of social media and online media to create propaganda during campaigns was relatively new. However, in 2019 the number of people engaged in the cyber war is significantly increased especially from the opposition side. The use of bots to manipulate public opinion by amplifying or combating political content, disinformation, hate speech, and junk news was also increased in both parties.
In this presentation I will present how cyber troops from both parties (incumbent and opposition) engaged cyber wars to win their campaign messages. Furthermore using Drone Emprit, our big data analytics tool for online media and social media, I will show how computational propaganda using sophisticated bots, patterns, and techniques to trick the social media platforms was engaged.
I also will explain our efforts using the Drone Emprit analytics, that regularly and continuously analyzed the conversation and shared our findings through article posts in social media and mainstream media during the campaign periods. Our purpose was to build public awareness about the situation of the cyber war in order to they can see how hidden teams conduct computational propaganda that was targeted to win their opinion.
At the end of the presentation, I will conclude with lesson learned from the Indonesia’s 2019 presidential election.
Influence of Social Media and Mainstream Media in IndonesiaIsmail Fahmi
Overview of internet and social media penetration in Indonesia.
Applications, websites or social media pages that Indonesia people use for news consumption.
Overview Indonesia people attitudes in using social media: what factor matters? How user-generated content is created? To what extent user-generated content influence Indonesian people’s belief? Examples.
Infodemic and disinformation on social media: Intention, stakeholder responds, cyber law (management of criticism on social media, crisis management).
Digital identity: conclusion of social media influence on Indonesia people.
Potensi Mis-Dis-Mal Informasi dalam Pemilu 2024Ismail Fahmi
• MDM (Mis-, Dis-, Mal- Informasi) bisa dipastikan akan diproduksi dan disebarkan selama proses Pemilu 2024.
• Target MDM: tokoh politik, kandidat, organisasi/partai politik, Lembaga penyelenggara pemilu (KPU).
• Pelaku MDM: publik, buzzer, institusi, dan kadang media.
• Dampak MDM: distrust, polarisasi, instabilitas.
• Persiapan Pemilu 2024:
• Hoax buster (multi-stakeholder)
• Kecepatan klarifikasi
• Penyiapan tim KPU (pimpinan dan staf) dalam menghadapi MDM terkait KPU (agar tidak gagap ketika terjadi serangan)
• Edukasi publik (inokulasi, bisa mendeteksi sendiri adanya MDM)
Asn dan upaya mewujudkan visi indonesia 2045Dr. Zar Rdj
MEGATREN DUNIA 2045
1. Demografi Global
2. Urbanisasi Dunia
3. Peranan Emerging Economies
4. Perdagangan Internasional
5. Keuangan Internasional
6. Kelas Menengah
7. Persaingan Sumber Daya Alam
8. Teknologi
9. Perubahan Iklim
10. Perubahan Geopolitik
Indonesia Political Digital Landscape 2023Deddy Rahman
Analisa data-data kinerja akun official social media dari 18 partai politik nasional yang berkompetisi di Pemilu 2024. Diukur berdasarkan aktifitas mereka di platform yang disukai Milenial dan Gen-Z, yakni Instagram dan Tiktok.
Digital Culture for Digital TransformationSeta Wicaksana
"Without laying a strong foundation for culture and aligning employees to a digital vision, it will be extremely difficult to make any meaningful progress on digital transformations"
Machine Learning, Text Mining, dan Text AnalyticsIsmail Fahmi
Machine Learning dan Text Mining
Arsitektur sistem
Topik penelitian
Tools
Tahapan dalam pengembangan sistem
Bidang pekerjaan
Implementasi dalam Drone Emprit
• Layanan publik membutuhkan informasi statistik yang uptodate.
• Sosial media menjadi salah satu sumber informasi keadaan masyarakat yang bisa dimanfaatkan.
• Media online banyak menyampaikan informasi di lapangan, yang bisa diolah menjadi policy brief bagi pemerintah daerah.
• Metodologi statistik untuk big data media sosial perlu dirumuskan oleh BPS agar berbagai strategi media analytics bisa memiliki standard dalam mengolahannya.
Open Source Intelligence dan Tren Demokratisasi DataWahyu Setyanto
Tren perkembangan open data mendorong perkembangan riset dan lahirnya industri baru yaitu open source intelligence yang salah satunya adalah Drone Emprit dan Drone Emprit Academic.
AI DAN TANTANGAN BAGI OTORITAS AKADEMIK DAN KEILMUANIsmail Fahmi
Artificial Intelligence (AI) atau kecerdasan buatan adalah cabang ilmu komputer yang berkaitan dengan pembuatan mesin yang dapat melakukan tugas yang biasanya memerlukan kecerdasan manusia, seperti pengambilan keputusan, pemecahan masalah, dan pengenalan suara atau gambar.
Tujuan utama dari AI adalah untuk mengembangkan mesin yang dapat belajar dari data dan pengalaman, sehingga dapat meningkatkan kinerja mereka dalam tugas yang diberikan.
MEDSOS DAN ONLINE UNTUK ANALISIS DAN MONITORING BENCANAIsmail Fahmi
Dari data OSINT (Open Source Intelligence) seperti media sosial dan media online, kita bisa membuat peta monitoring dan analisis kebencanaan yang lebih luas untuk seluruh Indonesia dan lebih detail di setiap wilayah.
Pemanfaatan Artificial Intelligence pada Perguruan TinggiIsmail Fahmi
Perguruan tinggi menyiapkan dan menciptakan SDM yang berkualitas, berbasis ilmu pengetahuan (sains, teknologi, humaniora).
• Salah satu peluang dan tantangan di masa depan: Artificial Intelligence.
• Problem: kelangkaan infrastruktur dan SDM yang menguasai AI.
• Solusi bagi industri: menyewa layanan (misal Google CloudPlatform, Microsoft Azure, AWS, dll).
• Peluang bagi mahasiswa/peneliti di perguruan tinggi Indonesia:
• Memanfaatkan fasilitas dari Dikti AI Center.
• Mengikuti training, workshop, course tentang AI, Big Data, Data Science yang disediakan.
• Goal:
• Bangun competitiveness digital: buat produk dan perusahaan.
Literasi Digital Dibangun Sejak di SekolahIsmail Fahmi
Tujuan penting dan praktis belajar literasi, agar guru dan siswa:
Mahir dalam memanfaatkan media dan informasi untuk pembelajaran dan pengembangan diri.
Bisa selamat dari misinformasi.
Guru tidak perlu merasa paling tahu, tapi bisa mengajak siswa untuk:
Memanfaatkan informasi dari berbagai kanal media untuk pembelajaran.
Bertanya, bertanya, dan bertanya atas informasi yang didapat dari media sosial dan internet.
Melihat contoh beberapa hoaks yang sudah dilaporkan oleh CekFakta.id atau Kominfo, lalu memeriksa bersama-sama melalui pertanyaan 5W + 1H.
Menggunakan tools yang ada dan mudah untuk memeriksa informasi, misal deteksi asal gambar dan video.
Mengritisi informasi yang didapat dari internet, media sosial, keluarga, atau teman, dan mendiskusikannya di kelas.
Peta Sosiografis Diskursus Pancasila di MedsosIsmail Fahmi
Bagaimanakah Pancasila diperbincangkan oleh berbagai kalangan dalam berbagai platform digital, terutama media baru, pada saat ini?
• Bagaimanakah operasionalisasi pemanfaatan ruang digital dalam upaya penguatan dan penyebarluasan nilai-nilai Pancasila oleh para pemangku kepentingan?
Pro-kontra Tabungan Perumahan Rakyat (TAPERA)Ismail Fahmi
LATAR BELAKANG
• Berdasarkan UUD Pasal 28H ayat (1) setiap orang berhak hidup sejahtera lahir dan batin, bertempat tinggal, dan mendapatkan lingkungan hidup yang baik dan sehat serta berhak memperoleh pelayanan Kesehatan.
• Berkaitan dengan tempat tinggal, Negara dan Pemerintah telah mengeluarkan berbagai kebijakan untuk memenuhi hal tersebut.
• PP Tapera yang ditetapkan pada 20 Mei 2024 menjadi salah satu kebijakan yang dikeluarkan terkait dengan tempat tinggal.
• Kebijakan tersebut menuai pro-kontra di masyarakat. Diskusi di media sosial terjadi sangat keras dan melibatkan berbagai pihak.
RESPONSE NETIZEN ATAS SIDANG PUTUSAN PHPU MK 2024Ismail Fahmi
Setelah Pemilu 2024, terdapat sengketa hasil yang diajukan ke Mahkamah Konstitusi (MK) terkait dengan pemilihan presiden. Sidang ini bertujuan untuk menentukan keabsahan hasil pemilu dan menyelesaikan perselisihan yang muncul.
Salah satu pokok masalah yang muncul adalah keinginan untuk mewapreskan Gibran, anak sulung Presiden Jokowi. Namun, Gibran tidak memenuhi kriteria sebagai calon wakil presiden (Cawapres) berdasarkan faktor usia.
Beberapa pihak mengkhawatirkan bahwa modus kecurangan yang terjadi dalam pemilihan presiden kemungkinan akan muncul kembali dalam pemilihan kepala daerah (pilkada) di masa depan.
Beberapa pihak menekankan pentingnya mengungkapkan kecurangan dan pelanggaran yang terjadi dalam proses pemilihan.
Different Frontiers of Social Media War in Indonesia Elections 2024Ismail Fahmi
In this modern era, technological developments and increasing dependence on social media have changed the political landscape drastically. Social media has changed the way politicians communicate with voters. Platforms like Twitter, Facebook, and Instagram give candidates direct access to share their political views, plans, and messages. It succeeded in creating a new image for the Presidential and Vice Presidential candidates which influenced the direction of the public's choice.
Like the previous election, in the 2024 General Elections, social media became the stage for complex political battles. On the one hand, social media has increased young voters’ participation, who feel more involved in the political process through active campaigns on social platforms. On the other hand, social media has become an effective means for spreading false information and hoaxes that can confuse voters and damage the integrity of elections.
This webinar discusses the role of social media platforms during the 2024 General Elections, such as TikTok, in influencing public or voter perceptions. The speaker will explain several phenomena of social media use that effectively influence public choices. He will also examine where are the different frontiers of the social media war in Indonesia elections.
ANALISIS ISU KECURANGAN PEMILU DI MEDIA SOSIAL & ONLINEIsmail Fahmi
PERTANYAAN DAN METODE
• Pertanyaan:
• Bagaimana tren percakapan tentang “kecurangan pemilu” di media
online dan media sosial?
• Isu apa saja yang banyak diangkat terkait “kecurangan pemilu” ini?
• Metode:
• Keyword: kecurangan, curang
• Periode: sebelum dan sesudah tanggal pencoblosan (7-23 Februari 2024)
• Sumber data: berita online dan Twitter/X
ANALISIS SIREKAP DI MEDIA SOSIAL TWITTER, TIKTOK, YOUTUBE 14-15 FEBRUARI 2024Ismail Fahmi
ANALISIS SIREKAP DI MEDIA SOSIAL
Tadi ada FGD dengan
@perludem
, bersama teman2 dari UI, Elsam, Mafindo, BSSN, dan Safenet. Dari
@KPU_ID
berhalangan hadir.
Membahas tentang Sirekap. Saya diminta melaporkan analisis percakapan netizen tentang Sirekap di media sosial.
Bagaimana sentimennya? Apa saja kritikan dan keluhan masyarakat? Emosinya bagaimana?
TWITTER, TIKTOK, YOUTUBE
14-15 FEBRUARI 2024
SUARA NETIZEN HARI PENCOBLOSAN PEMILU 2024Ismail Fahmi
KESIMPULAN “KECURANGAN PEMILU”
• Terdapat banyak laporan dan bukti tentang kecurangan dalam pemilu 2024, seperti surat suara yang sudah tercoblos sebelum pemilihan dilakukan, manipulasi data suara, dan kegiatan pencoblosan oleh anak-anak di bawah umur.
• Banyak akun media sosial dan lembaga media yang mengungkap kecurangan ini, seperti Majalah Tempo, Media Kumparan, dan dokumenter "Dirty Vote" yang telah ditonton oleh jutaan penonton di YouTube.
• Para guru besar dari berbagai kampus juga memberikan testimoni tentang kecurangan dalam pemilu ini.
• Beberapa akun menyebut adanya upaya penegakan hukum yang terhambat dan serangan terhadap relawan yang melaporkan kecurangan.
• Terdapat kekhawatiran bahwa kecurangan ini dapat merusak legitimasi pemimpin yang terpilih dan merusak demokrasi.
• Beberapa akun juga menyebut adanya keterlibatan dinasti politik dan nepotisme dalam pemilu ini.
• Timnas Amin dan TPN Ganjar-Mahfud sepakat untuk menggugat kecurangan pemilu ini.
• Meskipun ada beberapa akun yang menyebut bias dalam dukungan politik, namun banyak akun yang menyuarakan keadilan dan transparansi dalam pemilu.
JIS VS GBK DALAM KAMPANYE TERAKHIR PILPRES 2024Ismail Fahmi
KESIMPULAN
• Di semua kanal (Twitter, News, Instagram, YouTube) yang dimonitor selama periode 7-10 Februari 2024, JIS mendapatkan jumlah mention dan interaksi yang lebih tinggi dibandingkan GBK.
• Ini memperlihatkan minat netizen di platform media sosial tersebut dan media online yang lebih tinggi tentang JIS yang menjadi lokasi kampanye terakhir paslon 01 dibandingkan GBK yang menjadi lokasi paslon 02.
• Dalam analisis ini, lokasi kampanye paslon 03 di Simpang Lima, Semarang, tidak diikutkan, karena dalam percakapan netizen yang ada adalah upaya membandingkan lokasi JIS dan GBK saja.
• Analsis tentang kampanye lebih mendalam, termasuk terkait narasi yang muncul, dari ketiga paslon akan dibuat dalam analisis selanjutnya.
PERBANDINGAN KETIGA PASLON PASCA DEBAT DI YOUTUBE 4 - 6 FEBRUARI 2024Ismail Fahmi
KESIMPULAN
1.Dari ”Share of voice” yang tidak terlalu jauh bedanya, dapat disimpulkan bahwa pertarungan di YouTube antara ketiga paslon berlangsung sangat ketat. Tidak ada pemenang yang jauh berbeda secara signifikan. Namun demikian pasca debat terakhir, Paslon 02 paling tinggi jumlah video dan interaksi yang didapatkannya.
2.Di antara semua kanal YouTube, kanal-kanal dari TV memberi kontribusi jumlah interaksi yang paling tinggi. Ada beberapa kanal non-TV yang juga signifikan seperti kanal podcast dan kanal opini.
3.Konten yang Menarik:
• Debat politik dan acara terkait kampanye merupakan konten yang paling banyak menarik perhatian, sebagaimana ditunjukkan oleh jumlah tayangan dan komentar yang tinggi pada video-video terkait.
• Segmen penutup paling banyak mendapat interaksi.
• Dari Capres 01, saat Anies membacakan ayat dari Quran dan pesan yang menyentuh. Dari Capres 02 saat meminta maaf kepada paslon lain. Dari Capres 03 cenderung direspon negative karena menyindir.
• Konten yang memungkinkan pemirsa untuk terlibat secara emosional atau pribadi, seperti wawancara atau segmen yang menampilkan sisi humanis dari calon, juga menarik jumlah tayangan yang tinggi.
TREN JUMLAH VIDEO PER JAM DI TIKTOK 1 – 5 FEBRUARI 2024Ismail Fahmi
KESIMPULAN
Konten yang Menarik Emosi
Konten yang menyentuh emosi dan menampilkan humanisasi kandidat, seperti penutupan debat Anies yang 'mengandung bawang' dan Prabowo yang meminta maaf, terbukti sangat populer. Hal ini menandakan bahwa pendekatan yang memanusiakan kandidat dan menekankan pada nilai-nilai emosional beresonansi dengan audiens di TikTok.
Ganjar's closing statement yang menekankan pada isu HAM menunjukkan pentingnya mengangkat isu-isu substansial yang berkaitan dengan keadilan sosial dan hak asasi manusia.
Peran Media Online
Media online tampaknya berperan penting dalam menyebarkan konten terkait dengan capres dan cawapres, dengan banyak akun media yang masuk dalam daftar akun yang video-videonya paling banyak dilihat.
Keterlibatan media dalam distribusi konten menunjukkan bahwa paslon tidak hanya bergantung pada akun pribadi atau pendukung mereka dalam menyebarkan pesan, tetapi juga pada narasi yang dibentuk dan dikomunikasikan oleh media.
ANALISIS PRA DEBAT KELIMA CAPRES PEMILU 2024 NEWS - TWITTER 3 – 4 Februari 2024Ismail Fahmi
KESIMPULAN
Analisis Volume dan Sentimen
• Anies Baswedan memiliki jumlah pembicaraan terbanyak dengan 170,341 total sebutan, mewakili 47% dari semua pembicaraan media. Dalam hal sentimen, 90% percakapan Twitter tentangnya bersifat positif, dengan hanya 5% negatif dan 5% netral. Ini menunjukkan opini publik yang sangat mendukung terhadap Anies Baswedan.
• Prabowo Subianto mengikuti dengan 114,034 sebutan, yang merupakan 32% dari total. Namun, sentimen di Twitter menunjukkan bahwa 63% percakapan adalah negatif, hanya 32% positif, dan 5% netral. Hal ini menandakan bahwa meskipun ia banyak dibicarakan, sebagian besar percakapan cenderung negatif.
• Ganjar Pranowo memiliki 76,371 sebutan dengan 21% dari total pembicaraan. Sentimen di Twitter terhadap Ganjar lebih positif dibandingkan Prabowo dengan 80% percakapan positif, 11% negatif, dan 9% netral. Ini menandakan persepsi publik yang umumnya positif terhadapnya.
Opini Netizen
• Opini terhadap Anies Baswedan mencakup beberapa poin positif, seperti dukungan dari influencer TikTok, antusiasme netizen terhadap acara live TikTok Anies, dan fatwa dari ulama. Namun, ada juga kritik negatif, seperti tuduhan penghinaan oleh pendukungnya dan kekecewaan publik terhadap omongan yang dianggap kosong.
• Opini terhadap Prabowo Subianto menunjukkan dukungan dari beberapa tokoh penting, namun juga ada kritikan keras, seperti tuduhan kerusakan demokrasi dan kekecewaan terhadap kinerjanya di masa lalu.
• Opini terhadap Ganjar Pranowo sebagian besar positif, dengan dukungan yang meningkat dari publik dan apresiasi untuk konten media sosialnya. Namun, terdapat pula sorotan negatif karena tidak hadirnya di acara tertentu dan survei yang kurang menguntungkan.
• Kesimpulan
Secara keseluruhan, Anies Baswedan tampaknya mempunyai dukungan yang kuat dari publik, dengan sentimen positif yang dominan. Prabowo Subianto mempunyai banyak pembicaraan namun dengan sentimen yang cenderung negatif. Sementara itu, Ganjar Pranowo memiliki proporsi sentimen positif yang tinggi meskipun jumlah pembicaraannya lebih sedikit dibandingkan dengan kedua kandidat lainnya.
PERBANDINGAN KETIGA PASLON DI YOUTUBE - 25 JANUARI - 3 FEBRUARI 2024Ismail Fahmi
KESIMPULAN
• Dalam periode 25 Jan-3 Feb 2024, jumlah video yang dipost di YouTube terkait Paslon 01 (14,618 video) dan Paslon 03 (14,642 video) memiliki share yang sama (36%), mengalahkan Paslon 02 (11,090 video, 27%).
• Tren total interaksi harian dari ketiga paslon di YouTube mirip dengan tren jumlah konten video (mention) yang dipost di YouTube. Awalnya interaksi dari video tentang paslon 01 paling tinggi, namun kemudian disusul oleh paslon 03, sebelum injury time paslon 02 menyusul, dan terakhir paslon 03 melewati mereka semua lagi.
• Total interaksi (Like, Comment, View) yang didapat semua video, Paslon 01 yang paling tinggi interaksinya (95 juta interaksi), disusul oleh Paslon 03 (88 juta interaksi), dan terakhir Paslon 02 (74 juta interaksi).
• Sentimen dari video dalam data ini belum dianalisis, sehingga belum ditampilkan hasilnya.
ANALISIS KONTEN DAN INTERAKSI KETIGA PASLON DI TIKTOK 1-3 FEBRUARI 2024Ismail Fahmi
KESIMPULAN
• Pasca Anies live di TikTok tanggal 1 Februari 2024, jumlah postingan konten di TikTok meningkat untuk Paslon 01, mengalahkan Paslon 02 dan Paslon 03. Namun jumlah interaksi yang didapat belum berbanding lurus dengan jumlah kontennya.
• Untuk mendapatkan interaksi yang tinggi (Like, View) tidak harus dari akun yang followernya besar. Akun pendukung Paslon 02 dengan 19K follower bisa mendapat Like dan View yang paling tinggi, mengalahkan akun yang followernya jutaan, karena kontennya yang khas.
• Paslon 02 mendapatkan interaksi yang tinggi, paling besar bukan dari akun dengan follower jutaan. Bahkan dari top 10 akun, sebagian besar followernya di bawah 100K. Kuncinya ada konten ringan yang memberi semangat dan menyentuh perasaan.
• Paslon 03 mendapat interaksi tinggi dari akun-akun media. Dari top 10 akun, hampir separuhnya adalah akun media.
• Paslon 01 juga mendapat interaksi dari top 10 akun dengan follower separuhnya kurang dari 50K. Sebagian besar adalah konten ringan yang menyentuh perasaan juga.
• Content is King. Dan konten yang paling tinggi interaksinya di TikTok dalam periode data ini adalah konten yang menyentuh perasaan.
PERBANDINGAN KETIGA PASLON DI INSTAGRAM DARI 21 JAN-3 FEB 2024Ismail Fahmi
METODOLOGI
• Sumber: Instagram
• Metode crawling: IG Search yang hanya berbasis hashtags. Kelemahan: jika sebuah post di dalam caption tidak ada hashtags, maka IG Search tidak akan menampilkan post dalam hasil pencarian.
• Periode: 21 Januari - 3 Februari 2024
• Keywords/Hashtags:
MUNDURNYA MAHFUD MD SEBAGAI MENKOPOLHUKAMIsmail Fahmi
LATAR BELAKANG
• Pengunduran diri Mahfud MD dari posisi Menkopolhukam menjadi pembahasan di media massa dan media online.
• Sejumlah tokoh nasional, pengamat, politisi, juga Presiden Jokowi turut mengomentari pengunduran diri tersebut.
• Pengunduran diri Mahfud MD jelang pelaksanaan debat Capres ke lima dan hanya terhitung belasan hari sebelum pencoblosan, ditafsir beragam oleh publik.
• Isu ini pun diikuti oleh beragam isu lainnya, termasuk keharmonisan kabinet dan rumor pengunduran diri beberapa menteri di kabinet Jokowi.
1. SOCIAL MEDIA
ANALYTICS
UNTUK AKADEMIK, BISNIS,
JURNALISTIK, DAN INVESTIGASI
Ismail Fahmi, Ph.D.
Director Media Kernels Indonesia (Drone Emprit)
Lecturer at the University of Islam Indonesia
Ismail.fahmi@gmail.com
WORKSHOP KBI 2020
30 OKTOBER 2020
ACADEMIC
2. ACADEMIC
2
1992 – 1997 S1, Teknik Elektro, ITB
2003 – 2004 S2, Information Science, Universitas Groningen, Belanda
2004 – 2009 S3, Information Science, Universitas Groningen, Belanda
2000 – 2003 Inisiator IndonesiaDLN (Digital Library Network pertama di Indonesia)
Mengembangkan Ganesha Digital Library (GDL)
Mendirikan Knowledge Management Research Group (KMRG) ITB
Membangun Digital Library ITB
2009 – Sekarang Engineer di Weborama, Perusahaan berbasis big data (Paris/Amsterdam)
2014 – Sekarang Founder PT. Media Kernels Indonesia, a Drone Emprit Company
2015 – Sekarang Konsultan Perpustakaan Nasional, Inisiator Indonesia OneSearch
2017 – Sekarang Dosen Tetap Magister Teknik Informatika Universitas Islam Indonesia
Ismail Fahmi, Ph.D.
Ismail.fahmi@gmail.com
Lahir: Bojonegoro, 1974
Founder Media Kernels Indonesia
3. ACADEMIC
WORKSHOP AGENDA
• Tentang Drone Emprit
• Drone Emprit Academic
• Social Media Analytics for
Special Purposes
• Understanding Social Media
Data Sources
• Big Data Analytics Architecture
• Analytics Workflow and Settings
• Twitter Data Crawling
• Crawling Sumber Data Lain
• Story Telling With Data
• Use Cases
• Analisis Trend
• Analisis Jaringan Sosial
• Analisis Aktor
• Analisis Narasi
• Analisis Topik
• Analisis Geo Location
• Analisis Sentimen
• Analisis Emosi
• Analisis Demografi
• Analisis Bot
• Analisis Difusi Informasi
• Cara mensitasi Drone Emprit
3
5. ACADEMIC
ABOUT PT. MEDIA KERNELS INDONESIA
PT. Media Kernels Indonesia is focused on harnessing Natural
Language Processing (NLP) technologies to provide innovative
solutions in big data, text mining and insight discovery for
knowledge-based institutions.
Our products:
• Media Kernels (aka Drone Emprit), a media monitoring and
analytics tool.
• Fact Miner, an information extraction and visualization tool for
unstructured text.
5
FactMiner
10. ACADEMIC
TENTANG DRONE EMPRIT ACADEMIC
Drone Emprit Academic adalah sebuah
sistem big data yang menangkap dan
menganalisis percakapan di media sosial
khususnya Twitter, yang dikembangkan
oleh PT Media Kernels Indonesia, dan
bekerjasama dengan Universitas Islam
Indonesia untuk penyediaan layanannya.
Drone Emprit menggunakan layanan API
(Applications Programming Interface) dari
Twitter untuk menangkap percakapan
secara semi realtime melalui metode
streaming.
10
13. ACADEMIC
HOW IT WORKS
13
STEPS:
• Registration
• Propose keywords
• Analysis and publication
Dashboard
Access
REQUIREMENTS:
• Publish their analysis for public
using any medium at least 1
publication every 2 months.
USERS
• Students
• Researchers
• Lecturers
• Journalists
• Blogger
• Hoax buster
Admin
17. ACADEMIC
AKADEMIK
• Membutuhkan metodologi yang
jelas dan ilmiah sejak tahap
pengumpulan data, pengolahan,
analisis, dan visualisasinya.
• Media sosial merekam percakapan
tentang semua aspek dari pengguna
dengan berbagai latar belakang; ini
menjadi sumber berharga bagi
penelitian dan kajian di berbagai
bidang keilmuan.
17
18. ACADEMIC
BISNIS DAN INDUSTRI
18
• Dunia bisnis dan industri
memiliki fokus pada isu-isu
berikut:
• Inovasi produk baru
• Peningkatan penjualan
• Memprediksi kebutuhan pasar
• Mengurangi pengeluaran
• Efesiensi proses
• Mendapatkan talen yang
dibutuhkan
• Dll
• Media sosial banyak digunakan
dalam bisnis dan industri untuk
sebagian isu di atas.
19. ACADEMIC
JURNALISTIK
• Saat ini, jurnalistik dan media sosial
sudah tidak bisa dipisahkan.
Keduanya saling melengkapi.
• Banyak berita yang berasal dari
media sosial, menjadi viral, hingga
masuk ke media massa. Demikian
juga sebaliknya, berita dari media
massa menjadi bahan perbincangan
di media sosial.
• Analisis media sosial (OSINT) bisa
menjadi bahan jurnalistik yang
penting.
19
20. ACADEMIC
INVESTIGASI
• Hoaks, disinformasi, computational
propaganda, cyber troops, dan trools
merupakan istilah yang tidak asing
lagi di media sosial yang ditujukan
untuk memanipulasi opini publik.
• Analisis media sosial dari big data
percakapan akan membantu
memahami pola yang dilakukan, siapa
pelakunya, apa yang jadi narasi
utamanya, kapan dimulai, dst.
20
28. ACADEMIC
DRONE EMPRIT SYSTEM ARCHITECTURE
Twitter
Facebook
YouTube
Instagram
Online News
Physical Hardware
SOLR Index 1 SOLR Index 2 SOLR Index N
Data Lake Engine
Crawler &
Data
Ingest
Engine
RealtimeJob
Analytics Engine
SQL DB Engine
ScheduledJob
Advanced
Analytics
BasicAnalytics
API Engine
AccessControl
Data
Advanced
Analytics
BasicAnalytics
UI EngineData Sources
Theme
Config
Logo
Features
Hostname
TikTok
30. ACADEMIC
30
Social Media
Twitter
Facebook
Search+JSON
Detik (ID)
Reuters (EN)
Etc..
RSS+HTML
Gatra (ID)
Bloomberg (EN)
Etc..
HTML
Kaskus
Detik Forum
Etc..
HTML
Online News
Forums
Twitter StreamJSON
Kompas
TEXT
Warta Ekonomi
Etc..
Print
PUSHJSON
Subscriber
Projects
Storage
Search + Account
Crawler
RSS + HTML
Crawler
HTML Crawler
HTML Crawler
SOLR Nodes
Shard 1
SOLR Nodes
Shard N
Index Servers
Redis Queue
Cache Manager
Mentions
Storage
Keywords +
Accounts Filters
deletes
Sentiment
Analysis
Sentiment
Models
Backtrack
Filters
Sentiment
Analysis
Analyses
Control Room
Screens
Smart phones,
tablets
Desktops
Client(s)
Converter
System Architecture
31. ACADEMIC
SERVER ARCHITECTURE
Media Kernels installation with 12 servers:
• Maximum 2000 keywords
• Online news crawler & data ingestion (Server 1, 2, 3)
• Twitter, Facebook, Instagram, and YouTube crawlers (Server 4, 5, 6, 7, 8)
• Data lake and analytics (Server 6, 7, 8, 9, 10)
• Database and API (Server 11, 12)
• Web (Server 11, 12)
• NAS (Network Attached Storage)
31
Server 1
Server 2
Server 3
Server 4
Server 5
Server 6
INTERNET
Router
NAS
Server 7
Server 8
Server 9
Server 10
Server 11
Server 12
34. ACADEMIC
RESEARCH QUESTIONS &
KEYWORD SETTINGS
• Saat memulai analisis, yang perlu dibuat
adalah: Research Questions.
• Insight apa saja yang ingin didapat dari analisis.
• Bisa menggunakan kerangka 5W + 1H dalam
menyusun pertanyaan.
• Kemudian atur setting kata kunci dan filter
untuk mendapatkan “populasi percakapan”
seakurat dan selengkap mungkin.
• Percakapan di media sosial yang terkumpul
menggunakan setting ini tidak boleh
mengandung noise (percakapan tidak relevan)
terlalu banyak.
• Tidak boleh juga terlalu sedikit, banyak yang
hilang, karena ingin akurat.
34
37. ACADEMIC
KEYWORD & FILTER
37
Sensus, sp2020, ..
Sensus
penduduk
Keyword à Twitter
Sumber daya yang sangat terbatas
Filter à Data Lake
Membatasi hasil pencarian
47. ACADEMIC
KEYWORDS:
SUMBER DAYA YANG SANGAT TERBATAS
47
TWITTER
Max 400
keywords
Server
IP Addr 1
Server
IP Addr 2
Server
IP Addr n
Max 400
keywords
Max 400
keywords
DRONE EMPRIT
ACADEMIC
DATA LAKE
55. ACADEMIC
DATA IS THE NEW GOLD
• Ini benar kalau kita bisa
mengolahnya menjadi insight.
• Ini salah kalau kita “mati gaya”
di depan data, tidak punya ide
bagaimana memanfaatkannya.
• Jadi selain data itu sendiri, kita
perlu seorang “Alchemist”
yang bisa mengubahnya
menjadi “emas.”
• Dia adalah: data scientist.
55
60. ACADEMIC
INSIGHT DARI GRAFIK TREN
• Analisis yang paling mudah dibuat namun bisa memberi insight
yang sangat penting adalah analisis tren.
• Tips analisis grafik tren:
• Menampilkan sebuah peristiwa.
• Membandingkan beberapa peristiwa dalam sebuah grafik.
• Ajukan banyak pertanyaan: bagaimana dimulai, kapan hoaks pertama
muncul, kenapa terjadi peak, apa penyebab penurunan, apa korelasi dua
peristiwa, dll.
• Case studies:
• Wiji Thukul
• New Normal vs AKB
60
62. ACADEMIC
RESEARCH QUESTIONS
Di timeline Twitter, bersliweran puisi Wiji Thukul yang berbunyi:
“Apabila usul ditolak tanpa ditimbang, suara dibungkam, kritik dilarang tanpa
alasan, dituduh subversif dan mengganggu keamanan, maka hanya ada satu kata:
lawan!”
• Bagaimana awalnya puisi Wiji Thukul ini menjadi viral?
• Bagaimana tren volume cuitannya?
• Siapa yang memviralkan puisi ini?
62
63. ACADEMIC
GOOGLE TREND “WIJI THUKUL”
Pada tanggal 5 Oktober, jam 9 malam, mulai terjadi lonjakan pencarian kata kunci “wiji thukul” di search
engine Google. Sejak saat itu, pencarian kata kunci ini terus meningkat dan dilanjutkan pada hari berikutnya.
63
64. ACADEMIC
TREN DI TWITTER (DRONE EMPRIT)
Sedangkan di Twitter, percakapan mulai naik terjadi pada tanggal 5 Oktober 2020, jam 19:00, atau 2 jam sebelum
pencarian di Google mulai naik. Tampaknya, percakapan di Twitter membuat netizen mencari di Google siapa itu “Wiji
Thukul.” Dan delaynya hanya 2 jam.
Pada hari berikutnya (6 Okt), percakapan mulai naik lagi pada pukul 11 pagi hingga malam. Dan trennya masih terus
tinggi.
64
21:00 start peak
Google Trend
“Wiji Thukul”
makin naik
Dalay 2 jam dari
Twitter ke Google
Search
11:00
09:55 awal
cuitan puisi Wiji
Thukul
66. ACADEMIC
TREND GLOBAL: ‘NEW NORMAL’
66
Keywords: New Normal
26 Mei: Presiden Jokowi
mengunjungi mall di
Bekasi, persiapan New
Normal
KAMPANYE NEW NORMAL
67. ACADEMIC
TREN: NEW NORMAL VS AKB
NEW NORMAL TETAP TINGGI HINGGA SEKARANG
67
10 JULI 2020
Dari New Normal ke
AKB
New Normal Tetap Tinggi
New Normal
AKB
78. ACADEMIC
CARA MENGETAHUI AKTOR
• Banyak pertanyaan yang bisa diambil terkait actor dalam sebuah
peristiwa. Misalnya:
• Siapa yang memulai sebuah isu?
• Siapa penyebar hoaks pertama kali, dan siapa influencer atau buzzer yang
pertama mengamplifikasi?
• Siapa tokoh yang paling berpengaruh dalam sebuah isu?
• Kelompok mana yang paling aktif mengangkat sebuah isu?
• Aktor mana yang berpindah dari satu kubu ke kubu lainnya?
• Dll.
• Bagaimana menjawab pertanyaan di atas? Berikut ini beberapa analisis
yang bisa digunakan:
• Grafik tren
• Most retweeted posts
• Social Network Analysis
• Avatar top actors
78
79. ACADEMIC
TREN: MENGETAHUI AWAL MULA MUNCULNYA
PUISI WIJI THUKUL
Dari data yang ditangkap Drone Emprit, cuitan puisi ini pertama kali muncul pada tgl 4 Oktober, jam 09:55 oleh akun @nasirltp. Cuitan
itu dihapus, lalu dibuat lagi pada pukul 10:00 dengan menyertakan link berita dari situs Liga Mahasiswa Nasional Untuk Demokrasi
(LMND) tentang penetapan RUU Ciptaker oleh Pemerintah dan DPR. Dilanjutkan oleh @Daffaramdhnn yang menampilkan gambar
berisi puisi Wiji Thukul lebih lengkap pada pukul 15:18.
79
92. ACADEMIC
DISINFORMASI BISA DICIPTAKAN DENGAN CARA MURAH MERIAH:
MELALUI AKUN-AKUN ANONIM, GIVEAWAY, DAN BUZZER
1) SEBUAH DISINFORMASI BISA DIMULAI DARI
SEBUAH AKUN ANONIM ATAU GIVEAWAY,
YANG DIAMPLIFIKASI OLEH AKUN-AKUN
SEPERTI BOT, AGAR #TAGAR CEPAT
TRENDING
2) KARENA TRENDING, #TAGAR MUDAH
DILIHAT OLEH AKUN-AKUN NATURAL, YANG
TURUT MENGAMPLIFIKASI JIKA COCOK,
ATAU MENCOUNTER JIKA TIDAK SETUJU
3) DI PENGHUJUNG HARI, AKUN GIVEAWAY YANG
MENGINISASI #TAGAR TIDAK LAGI DOMINAN, KARENA
PERCAKAPAN SUDAH DIAMBIL ALIH OLEH AKUN-AKUN
NATURAL DAN VIRAL
#MahasiswaPelajarAnarkis
AKUN ANONIM
AKUN ANONIM
AKUN ANONIM
AKUN MAHASISWA
AKUN MAHASISWA
AKUN MAHASISWA
TAGAR #MAHASISWAPELAJARANARKIS DICIPTAKAN UNTUK
MENGACAUKAN NARASI DALAM GERAKAN MAHASISWA
#GEJAYANMEMANGGIL2, MELALUI AKUN GIVEAWAY, ANONIM
DAN BUZZER
93. ACADEMIC
DAMPAK SEBARAN DISINFORMASI:
NARASI PENTING TERTUTUPI OLEH DISINFORMASI
KONTRA MAHASISWA PRO MAHASISWA
#GejayanMemanggil2
#MahasiswaPelajarAnarkis
DISINFORMASI SERING SENGAJA DICIPTAKAN
UNTUK MEMBENTUK OPINI PUBLIK DEMI
KEPENTINGAN TERTENTU, DENGAN ATAU TANPA
BANTUAN AGEN KOMUNIKASI PUBLIK
STARTER BUZZERS
TARGET
TARGET
TARGET
TARGET
KETIKA DISINFORMASI MENYEBAR LUAS, NARASI
KEBENARAN MENJADI TERSINGKIR DAN
TERTUTUPI, DAN PADA AKHIRNYA PUBLIK SULIT
MENEMUKANNYA
DISINFORMASI YANG DILAKUKAN TERUS-MENERUS
OLEH SEBUAH KELOMPOK, YANG MENYENTUH
ASPEK SPIKOLOGIS DAN “POST-TRUTH” PUBLIK,
AKHIRNYA AKAN MENGANCAM DEMOKRASI ”AKAL
PIKIRAN”
GRAFIK JARINGAN SOSIAL INI MEMPERLIHATKAN KETIKA TAGAR
#MAHASISWAPELAJARANARKIS BERHASIL MENEMBUS NARASI
#GEJAYANMEMANGGIL2, YANG IRONISNYA MAHASISWA TURUT
MENGAMPLIFIKASI TAGAR TERSEBUT
95. ACADEMIC
MENGETAHUI NARASI UTAMA
• “Narasi” merupakan salah satu insight yang sangat penting
didapat ketika menganalisis percakapan di media sosial.
• Dari narasi ini kita bisa mengetahui:
• Apa yang menjadi isu, opini, atau agenda utama dalam percakapan
public?
• Apakah ada agenda setting tertentu yang sedang dimainkan oleh media
atau sekelompok orang?
• Jika ini sebuah propaganda, ke arah mana “manipulasi opini publik” ini
didesain?
• Bagaimana perang narasi antara dua kubu tentang sebuah isu?
• Dll.
• Narasi utama bisa diketahui dari:
• Most retweeted posts.
• Informasi dalam meme, infografis, dan video yang disebar.
95
97. ACADEMIC
LATAR BELAKANG
“… Tak heran banyak di medsos yang
beredar kabar viral ada masyarakat yang
diminta menandatangani bahwa anggota
keluarganya kena Covid 19 dan diberi
sejumlah uang oleh pihak rumah sakit,
padahal sesungguhnya keluarga terkena
penyakit lain. Selain itu ada orang
diperkirakan Covid 19 terus meninggal,
padahal hasil tes belum keluar. Setelah
hasilnya keluar, ternyata negatif,” papar
Neta.
“… Bareskrim Polri, kejaksaan, dan KPK
perlu bekerja cepat menangkap para mafia
rumah sakit dan segera menyeretnya ke
Pengadilan Tipikor,” tandasnya.
97
98. ACADEMIC
RESEARCH QUESTIONS
• Apa narasi percakapan di media social (Twitter) terkait ramainya
isu soal “mengcovidkan” pasien dalam tagar
#BongkarMafiaCovidRS?
• Apa yang menjadi referensi tudingan itu?
98
99. ACADEMIC
METODOLOGI
• Pada tanggal 4 Oktober terdapat
sebuah tagar yang sempat trending di
Twitter, yaitu #BongkarMafiaCovidRS.
• Tagar ini berisi informasi yang cukup
lengkap tentang narasi seputar Mafia
Rumah Sakit dan dugaan
“mengcovidkan” pasien oleh banyak
rumah sakit.
• Analisis ini menggunakan tagar
tersebut sebagai keyword.
99
102. ACADEMIC
TOP TWIT #1
Narasi: Mafia kesehatan memanfaatkan pandemic Covid-19 untuk meraup keuntungan.
Referensi: Pernyataan IPW, Neta S Pane tentang dugaan mafia kesehatan. Neta merefer ke “sudah marah dan ramai
bermunculan di berbagai media social.” Neta juga merefer ke pernyataan Kepala KSP saat di Semarang. Situs: Suara.com.
102
"IPW melihat Bareskrim Polri belum bergerak
untuk mengusut dan memburu mafia rumah
sakit tersebut. Padahal kasus yang
mencovidkan orang tersebut sudah marak dan
ramai bermunculan di berbagai media sosial,"
kata Neta dalam keterangannya, Sabtu
(3/10/2020).
Neta mencotohkan, pada Jumat (2/10/2020)
kemarin, Kepala Kantor Staf Presiden (KSP),
Moeldoko di Semarang menyatakan,
banyaknya isu rumah sakit memvonis semua
pasien yang meninggal karena terpapar Covid.
Alasannya, agar mendapatkan anggaran dari
pemerintah.
103. ACADEMIC
TOP TWIT #2
Narasi: disinyalir, sebagian daerah memanfaatkan pandemi untuk meningkatkan kebutuhan anggaran.
Referensi: Pernyataan IPW, Neta S Pane tentang dugaan Permainan Covid-19 oleh mafia rumah sakit. Situs:
Sumber.com, Bantennews.co.id, bisnis.com.
103
104. ACADEMIC
TOP TWIT #3
Narasi: Disinyalir pihak-pihak tertentu mengambil manfaat saat pandemi Covid-19 di Indonesia.
Referensi: Pernyataan IPW, Neta S Pane yang menyarankan Bareskrim Polri membongkar mafia rumah sakit
yang mencovidkan pasien.
104
106. ACADEMIC
KESIMPULAN
• Apa narasi percakapan di media social (Twitter) terkait ramainya isu soal
“mengcovidkan” pasien dalam tagar #BongkarMafiaCovidRS?
• Dugaan adanya mafia rumah sakit yang “mengcovidkan” pasien yang seharusnya bukan
Covid.
• Dugaan Rumah Sakit mencari keuntungan dari pandemi Covid-19.
• Banyaknya keluhan masyarakat di media sosial tentang dugaan “mengcovidkan” pasien
oleh RS, misal dengan membayar sejumlah uang kepada keluarga pasien.
• Supaya Bareskrim Polri, Kejaksaan, dan KPK membongkar mafia rumah sakit.
• Apa yang menjadi referensi tudingan itu?
• Sumber utama yang dijadikan rujukan dalam isu ini adalah pernyataan dari Pernyataan
IPW, Neta S Pane yang dimuat oleh berbagai media (Bisnis.com, Suara.com,
Sumber.com, Bantennews.co.id).
• Neta merefer ke “berbagai media social,” dan ke pernyataan Kepala KSP saat di
Semarang.
• Kepala KSP merefer kepada keresahan masyarakat di media sosial, dan data kematian
pasien Covid19 dari setiap RS di Jawa Tengah.
• Wawancara Ketua Banggar DPR di KompasTV, yang merefer kepada dugaan masyarakat
di media sosial (whatssapp group).
106
108. ACADEMIC
MENGETAHUI TOPIK PERCAKAPAN
• Apa bedanya “topik” dan “narasi”? Sebenarnya keduanya sama-
sama membahas WHAT dalam sebuah percakapan. Namun di sini,
“topik” dianalisis secara khusus karena merupakan ”unit terkecil”
dari sebuah ide atau narasi.
• Analisis topik bisa memberi insight seperti:
• Konsepsi apa yang sedang dibangun oleh pihak tertentu ke dalam opini
publik?
• Bagaimana perang narasi melalui konsep tentang sebuah isu?
• Topik bisa diketahui dari:
• Top hashtags.
• Konsep atau istilah yang sering digunakan (topic map).
• Kata yang sering digunakan (word cloud).
• SNA user dan hashtags.
108
109. PERANG TAGAR DALAM ISU
OMNIBUS LAW
DATE
1 – 16 OKTOBER
DATA SOURCES
TWITTER
CASE STUDY
“
110. ACADEMIC
TREN OMNIBUS LAW
110
Omnibus Law (sepi)
#MosiTidakPercaya
#TolakOmnibusLaw
K-poppers turun tangan
#OmnibusLawBawaBerkah
8 Oktober:
Demo Mahasiswa
dan Buruh
13 Oktober:
Demo PA 212,
Petinggi KAMI
ditangkap4 Oktober:
RUU Omnibus
Law dibawa ke
Paripurna
5 Oktober:
UU Omnibus Law
Disahkan
16 Oktober:
Demo
Mahasiswa
15 Oktober:
Konpers Pentinggi
KAMI ditangkap
#OmnibusLawBasmiKorupsi
Penangkapan petinggi KAMI secara
signifikan berhasil menurunkan
volume percakapan tentang
Omnibus Law yang dominan berisi
penolakan.
113. PERANG TAGAR DALAM ISU
RUU KUHP DAN
KPK
DATE
1 – 16 OKTOBER
DATA SOURCES
TWITTER
CASE STUDY
“
114. ACADEMIC
TREN TAGAR SERANGAN DAN DUKUNGAN
#ReformasiDikorupsi
#TurunkanJokowi
#DiperkosaNegara
#PercayaLangkahJokowi
#SayaBersamaJokowi
#JokowiMendengarRakyat
#KitaDukungJokowi
116. ACADEMIC
SNA TAGAR
#DiperkosaNegara
GEN Z / K-POPPERS
#TurunkanJokowi
OPOSISI
#ReformasiDikorupsi
AKTIVIS
#PercayaLangkahJokowi
#SayaBersamaJokowi
#JokowiMendengarRakyat
#KitaDukungJokowi
PRO PEMERINTAH
TRIK GIVE AWAY
118. ACADEMIC
MENGETAHUI SEBARAN PERCAKAPAN DAN
PENGGUNA MEDIA SOSIAL (TWITTER)
• Sebaran percakapan tentang sebuah topik di media sosial biasanya
mengikuti sebaran penggunanya.
• Namun kadang untuk topik tertentu terdapat anomaly, dimana secara
demografi pengguna di suatu tempat bukan yang terbesar, tetapi untuk
topik tertentu paling tinggi. Ini memberi insight yang menarik.
• Cara mengetahui lokasi pengguna di Twitter:
• Diambil dari informasi lokasi dalam profile pengguna Twitter.
• Memang tidak semua pengguna menulis lokasinya dengan lengkap atau benar.
Kadang kosong, salah, atau bukan nama lokasi.
• Asumsi pengguna yang mengisi sifatnya random, maka secara probabilitas akan
merata untuk semua lokasi.
• Lokasi bisa distrukturkan berdasarkan:
• Level administrasinya: kota, provinsi, negara.
• Latitude-longitude: bisa query ke Google Geolocation API.
118
126. ACADEMIC
MENGETAHUI SENTIMENT PUBLIK
• Sentimen dalam percakapan di media sosial tentang sebuah topik
bisa menggambarkan response publik terhadap sebuah isu, dan
ini bisa menjadi KPI yang penting.
• Sentimen biasanya dibagi menjadi tiga: positif, negatif, dan
netral.
• Setiap system analisis sentiment pasti memiliki akurasi tertentu,
yang tidak mungkin mencapai 100% akurat, dan tergantung data
input untuk training yang digunakan, dan tergantung algoritma
klasifikasi yang dipilih.
126
140. ACADEMIC
MENGGALI LEBIH DALAM EMOSI PUBLIK DALAM
PERCAKAPAN
• Secara kolosal, dari semua perakapan, kita bisa melihat tren emosi
publik terhadap sebuah isu tertentu.
• Dengan analisis emosi ini, kita bisa tahu:
• Apakah publik cenderung: percaya, tidak percaya, takut, senang, sedih,
marah, jijik, terkejut, atau penuh harapan?
• Apa yang membuat publik merasa percaya, takut, atau marah?
• Bagaimana tren emosi tertentu, dihubungkan dengan peristiwa yang
tengah terjadi?
• Untuk mengetahui emosi publik kita bisa menggunakan:
140
144. ACADEMIC
EMOSI: TIDAK YAKIN DENGAN KESIAPAN SARANA &
LAYANAN KESEHATAN, KURVA BELUM TURUN
144
Tidak yakin, karena:
• Kasus korona masih tinggi
(misal Surabaya).
• Negara lain mulai saat kurva
melandai, Indonesia masih naik.
• Potensi gelombang ke-2
corona.
• Jumlah test masih kecil.
• Seperti perang tanpa senjata.
Kasus korona masih
tinggi
Kurva masih naik
Potensi gelombang
kedua
Test masih kecil
Perang tanpa
senjata
151. ACADEMIC
MENGETAHUI USIA DAN GENDER NETIZEN
• Dalam setiap survey, mengetahui karakteristik responden
merupakan elemen yang sangat penting, salah satunya tentang
demografi responden seperti tentang usia dan gender.
• Percakapan di media sosial memang bukan survey, dan sering
informasi demografi dari pengguna medsos tidak tersedia.
Namun, dari karakteristik profile pengguna, machine learning bisa
memprediksi dengan cukup akurat demografi mereka.
• Dari informasi demografi, kita bisa mengambil insight seperti:
• Kelompok usia mana yang punya concern cukup besar terhadap isu
tertentu, relative terhadap demografi mereka secara umum di media
sosial?
• Apa narasi yang diangkat oleh masing-masing kelompok usia terkait
sebuah isu?
151
159. ACADEMIC
MENGETAHUI APAKAH ADA COMPUTATIONAL
PROPAGANDA
• Computational propaganda adalah penggunaan bot atau
algoritma computer untuk mengirim pesan secara otomatis,
dengan tujuan membangun (atau memanipulasi) opini publik.
• Untuk mengetahui sebuah akun itu bot atau bukan, bisa
menggunakan machine learning, yang mengambil beberapa
informasi tentang profile akun tersebut, jaringan sosialnya, serta
aktivitasnya sebagai feature.
• Dengan informasi bot ini, kita bisa mendapat insight:
• Apakah sebuah narasi itu sengaja dibangun oleh pihak tertentu
menggunakan bantuan bot?
• Berapa persen peranan bot dalam sebuah percakapan dibandingkan
dengan akun manusia asli?
• Bagaimana relasi bot dengan akun asli dalam membangun propaganda?
159
160. ACADEMIC
COMPUTATIONAL PROPAGANDA
160
Since 2012 until now, we have
seen bots, algorithms and other
forms of automation are used by
political actors in countries around
the world to manipulate public
opinion over major social
networking platforms, such as
Twitter, Facebook, Instagram, and
YouTube.
163. ACADEMIC
HOW IT WORKS
• Botometer is a machine learning algorithm trained to classify an
account as bot or human based on tens of thousands of labeled
examples.
• When you check an account, you fetches its public profile and
hundreds of its public tweets and mentions using the Twitter API.
• This data is passed to the Botometer API, which extracts about
1,200 features to characterize the account's profile, friends, social
network structure, temporal activity patterns, language, and
sentiment.
• Finally, the features are used by various machine learning models
to compute the bot scores.
163
170. ACADEMIC
MENGETAHUI ALIRAN INFORMASI ANTAR
KANAL MEDIA
• Informasi yang berkembang terkait sebuah isu, bisa berangkat
dari media sosial, kemudian merembes (difusi) ke media online
atau antar platform media sosial lainnya. Bisa juga sebaliknya.
• Dengan mengetahui aliran difusi informasi ini, kita bisa mendapat
insight:
• Dari manakah sebuah agenda setting itu mulai dibangun? Apakah dari
media sosial, atau dari media online / mainstream?
• Siapa aktor atau nara sumber yang paling berperan besar dalam
memantik terjadinya difusi?
• Narasi apa yang diambil oleh platform lain dari sumber asalnya?
170
171. DIFUSI INFORMASI DARI
MEDIA SOSIAL KE MEDIA
ONLINE TERKAIT ISU
KOMODO
DATE
20-27 OCTOBER 2020
DATA SOURCES
NEWS, TWITTER
CASE STUDY
“
181. ACADEMIC
HOW TO CITE DRONE EMPRIT?
For Drone Emprit Academic
If you use data directly from Drone Emprit Academic dashboard
(academic.droneemprit.id), use this citation:
Fahmi, I. (2018). Drone Emprit Academic: Software for social media monitoring and
analytics. Available at http://dea.uii.ac.id.
For Drone Emprit
If you use data from Ismail Fahmi's analyses shared on the Internet
(Twitter, Facebook, or Slideshare), use this citation:
Fahmi, I. (2016). Drone Emprit: Software for media monitoring and analytics.
Available at http://pers.droneemprit.id.
181
Source:
https://pers.droneemprit.id/how-to-cite-drone-emprit/