skip to main content

Pandemi ke Infodemi: Polarisasi Politik dalam Wacana Covid-19 Pengguna Twitter

*Rachmad Gustomy  -  Universitas Brawijaya, Indonesia
Open Access Copyright 2020 JIIP: Jurnal Ilmiah Ilmu Pemerintahan under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Abstract

Artikel ini ingin melacak dampak polarisasi politik pasca pemilu yang cukup kuat dalam wacana Covid-19. Pentingnya melacak perbincangan tentang Covid-19 adalah untuk melihat dampak distraksi kebijakan pemerintah dalam penanganan Covid-19. Penelitian ini menggunakan social network analisis dan social network actor dalam perbicangan di media sosial Twitter. Dengan mengidentifikasi trending topic yang terkait selama 4 bulan, maka dilakukan crawling data dengan pemograman Phyton, kemudian dilakukan analisis kumulatif teks melalui library phyton sastrawi dan visualisasi analisis SNA dengan Gephi.  Temuan penelitian ini memetakan setidaknya ada dua kutub kluster besar yang berseberangan, pertama adalah kutub kluster populis pluralis dan kutub kluster populis islam. Temuannya menunjukkan bahwa wacana kebijakan Covid-19 justru menjadi ajang bagi perang sentimen masing-masing kubu, yang ternyata didominasi oleh buzzer dan sebagian kecil influencer. Sebaliknya, suara kelompok kritis dan rasional malah tenggelam oleh gaung dari para buzzer yang cenderung memiliki sentimen negatif.

Fulltext View|Download
Keywords: Covid-19; polarisasi; social network actor; social network analysis; teks analisis

Article Metrics:

  1. Annas, F. B., Petranto, H. N., & Pramayoga, A. A. (2019). Opini Publik dalam Polarisasi Politik di Media Sosial. Jurnal PIKOM (Penelitian Komunikasi Dan Pembangunan), 20(2), 111
  2. CoMuNeLab. (2020). Covid19 Infodemics Observatory
  3. Cressman, D. (2009). A Brief Overview of Actor-Network Theory: Punctualization, Heterogeneous Engineering & Translation
  4. Karim, A. G. (2019). Mengelola Polarisasi Politik dalam Sirkulasi Kekuasaan di Indonesia: Catatan bagi Agenda Riset. Politika: Jurnal Ilmu Politik, 10(2), 215–228
  5. Kulkarni, P., Prabhu, S., & Ramraj, B. (2020). COVID-19-Infodemic Overtaking Pandemic? Time to Disseminate Facts Over Fear. Indian Journal of Community Health, 32(2)
  6. Latour, B. (2013). Reassembling the Social. An Introduction to Actor-Network-Theory. Journal of Economic Sociology, 14(2), 73–87
  7. Margiansyah, D. (2019). Populisme di Indonesia Kontemporer: Transformasi Persaingan Populisme dan Konsekuensinya dalam Dinamika Kontestasi Politik Menjelang Pemilu 2019. Jurnal Penelitian Politik, 16(1), 47–68
  8. Merchant, R. M., & Lurie, N. (2020). Social Media and Emergency Preparedness in Response to Novel Coronavirus. Jama
  9. Mulyadi, U., & Fitriana, L. (2018). Hashtag (#) As Message Identity in Virtual Community. Jurnal The Messenger, 10(1), 44–53
  10. Suler, J. (2004). The Online Disinhibition Effect. Cyberpsychology & Behavior, 7(3), 321–326
  11. Susanti, S., & Lubis, A. (2015). Partisipasi Politik Perempuan pada Partai Keadilan Sejahtera Kota Medan. JPPUMA Jurnal Ilmu Pemerintahan Dan Sosial Politik Universitas Medan Area, 3(1), 1–13
  12. Tsvetovat, M., & Kouznetsov, A. (2011). Social Network Analysis for Startups: Finding Connections on the Social Web. “ O’Reilly Media, Inc.”
  13. Wasserman, S., & Faust, K. (1994). Social Network Analysis: Methods and Applications (Vol. 8). Cambridge university press

Last update:

No citation recorded.

Last update:

No citation recorded.