Minat Masyarakat Terhadap Karakteristik Informasi Tekstual dari Kementerian Lingkungan Hidup dan Kehutanan di Media Sosial

Authors

  • Titis Hutama Syah Sekolah Tinggi Pertanian Kutai Timur http://orcid.org/0000-0001-8037-7745
  • Silvana Syah Institut Bisnis dan Informatika (IBI) Kosgoro 1957
  • Nurmalasari Nurmalasari Universitas Nusa Mandiri

DOI:

https://doi.org/10.31504/komunika.v10i2.4442

Abstract

Media sosial banyak dimanfaatkan masyarakat dalam memperoleh informasi, demikian juga lembaga pemerintahan, banyak yang menggunakan media sosial dalam menyebarkan informasi. Salah satunya adalah Kementerian Lingkungan Hidup dan Kehutanan (KLHK) melalui halaman Facebook fanpage-nya. Informasi yang diberikan pada umumnya berbentuk teks atau video dan gambar disertai penjelasan teks. Untuk itu,penelitian ini bertujuan untuk mengetahui karakteristik informasi tekstual terhadap ketertarikan minat pengunjung pada halaman Facebook fanpage KLHK. Penelitian dilakukan dengan cara melakukan scraping dan dilanjutkan pemrosesan bahasa alamiah (Natural Language Processing) untuk mengetahui karakteristik teks. Minat masyarakat diukur berdasarkan likes, shares, dan comments, dan disusun ke dalam klaster dengan metode Kmeans. Frekuensi kata yang sering muncul pada setiap klaster di analisis menggunakan similaritas cosine agar dapat dilakukan inferensi sesuai dengan domain KLHK. Relabeling dilakukan untuk menarik inferensi pada klaster yang terbentuk. Penelitian yang dilakukan dapat membentuk empat klaster. Klaster-klaster tersebut adalah klaster pengelolaan sumber daya alam nasional, pelestarian satwa liar, kegiatan pelestarian satwa liar,dan tim konservasi. Minat masyarakat tertinggi terdapat pada klaster pelestarian satwa liar yang ditunjukan dengan jumlah likes terbanyak. Sedangkan klaster yang paling banyak dibagikan dan dikomentari adalah klaster tim konservasi. Informasi yang terdapat dalam penelitian ini dapat digunakan oleh lembaga terkait dalam meningkatkan dan mengembangkan penyebaran informasi melalui media sosial.

References

Berkhin, P. (2006). A Survey of Clustering Data Mining Techniques. Grouping Multidimensional Data: Recent Advances in Clustering, 25–71.

Bird, S., Klein, E., & Loper, E. (2009). Natural Language Processing with Python (J. Steele, Ed.). O’Reilly Media, Inc. http://www.datascienceassn.org/sites/default/files/Natural%20Language%20Processing%20with%20Python.pdf

Dewi, D. A. I. C., & Pramita, D. A. K. (2019). Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali. Matrix : Jurnal Manajemen Teknologi Dan Informatika, 9(3), 102–109.

Direktorat Jenderal Informasi dan Komunikasi Publik Kementerian Komunikasi dan Informatika. (2018). Memaksimalkan Penggunaan Media Sosial Dalam Lembaga Pemerintah. Direktorat Jenderal Informasi dan Komunikasi Publik, Kementerian Komunikasi dan Informatika. https://indonesiabaik.id/public/uploads/post/2997/Memaksimalkan_Penggunaan_Media_Sosial_dalam_Lembaga_Pemerintah.pdf

Halaszovich, T., & Nel, J. (2017). Customer–brand engagement and Facebook fan-page “Like”-intention. Journal of Product & Brand Management, 26(2), 120–134.

Han, J., Kamber, M., & Pei, J. (2012). Getting to Know Your Data. Data Mining, 39–82. https://doi.org/10.1016/B978-0-12-381479-1.00002-2

Hjørland, B., & Albrechtsen, H. (1995). Toward a new horizon in information science: Domain‐analysis. Journal Of The American Society For Information Science, 46(6), 400–425.

JP, S. (2021, June 28). Perkembangan Platform Media Penyebaran Informasi. https://kompaspedia.kompas.id/baca/infografik/poster/perkembangan-platform-media-penyebaran-informasi

Kaplan, A., & Haenlein, M. (2010). Users of the world, unite! The challenges and opportunities of Social Media. Business Horizons, 53, 59–68.

Kemp, S. (2021, February 11). Digital in Indonesia: All the Statistics You Need in 2021 — DataReportal – Global Digital Insights. https://datareportal.com/reports/digital-2021-indonesia

Louis, A. (2016). Natural Language Processing for Social Media. Computational Linguistics, 42(4), 833–836.

Pedregosa, F., Varoquaux, G., Gramfort, A., Michel, V., Thirion, B., Grisel, O., Blondel, M., Prettenhofer, P., Weiss, R., Dubourg, V., Vanderplas, J., Passos, A., Cournapeau, D., Brucher, M., Perrot, M., & Duchesnay, É. (2011). Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research, 12(85), 2825–2830.

Rahardjo, M. (2010, November 15). Mengenal Ragam Studi Teks: Dari Content Analysis hingga Pos-modernisme. https://www.uin-malang.ac.id/r/101101/mengenal-ragam-studi-teks-dari-content-analysis-hingga-pos-modernisme.html

Robbani, H. A. (2021). Sastrawi • PyPI (1.0.1). https://pypi.org/project/Sastrawi/

Ruiz-Mafe, C., Martí-Parreño, J., & Sanz-Blas, S. (2014). Key drivers of consumer loyalty to Facebook fan pages. Online Information Review, 38(3), 362–380.

Salsabila, N. A., Ardhito Winatmoko, Y., Akbar Septiandri, A., & Jamal, A. (2019). Colloquial Indonesian Lexicon. Proceedings of the 2018 International Conference on Asian Language Processing, IALP 2018, 226–229.

Shi, N., Liu, X., & Guan, Y. (2010). Research on k-means clustering algorithm: An improved k-means clustering algorithm. 3rd International Symposium on Intelligent Information Technology and Security Informatics, IITSI 2010, 63–67.

Su, N., Reynolds, D., & Sun, B. (2015). How to make your Facebook posts attractive: A case study of a leading budget hotel brand fan page. International Journal of Contemporary Hospitality Management, 27(8), 1772–1790.

Vandeput, N. (2021). Data Science for Supply Chain Forecasting. Data Science for Supply Chain Forecasting. https://doi.org/10.1515/9783110671124/HTML

Vijayarani, S., & Janani, R. (2016). Text Mining: open Source Tokenization Tools – An Analysis. Advanced Computational Intelligence: An International Journal (ACII), 3(1), 37–47.

Wang, J., Li, Q., Chen, Y. P., & Lin, Z. (2010). Recommendation in Internet Forums and Blogs. Proceedings of the 48th Annual Meeting of the Association for Computational Linguistics, 257–265. https://aclanthology.org/P10-1027

Wirtz, B. W., Daiser, P., & Mermann, M. (2017). Social Media as a Leverage Strategy for Open Government: An Exploratory Study. Https://Doi.Org/10.1080/01900692.2017.1289388, 41(8), 590–603.

Zhang, B., & Vos, M. (2014). Social media monitoring: aims, methods, and challenges for international companies. Corporate Communications: An International Journal, 19(4), 371–383.

Downloads

Published

2021-12-08

Issue

Vol. 10 No. 2 (2021): Komunika

Section

Information and Communications Technology

License

Authors who publish with this journal agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.