Syntax Literate: Jurnal Ilmiah Indonesia p–ISSN: 2541-0849 e-ISSN: 2548-1398

Vol. 9, No. 3, Maret 2024

 

ENGAGEMENT MASYARAKAT DAN CONTENT ANALYSIS TERHADAP AKUN INSTAGRAM LEMBAGA KEMENTERIAN

 

Dyah Pangesti, Achmad Nizar Hidayanto

Universitas Indonesia, Depok, Jawa Barat, Indonesia

Email: [email protected], [email protected]

 

Abstrak

Penelitian terkait engagement pada sektor publik pada media sosial Instagram masih jarang dilakukan sehingga belum banyak hasil evaluasi untuk peningkatan engagement masyarakat maupun perbaikan kualitas konten. Penelitian ini bertujuan untuk menganalisis tingkat engagement masyarakat dan karakteristik konten pada akun Instagram Lembaga Kementerian Kabinet Indonesia Maju. Data profil dan post dikumpulkan dari 34 akun dari awal waktu akun tersebut dibuat. Penarikan data menggunakan service tools yang dikembangkan oleh Phantombuster. Analisis data dilakukan secara kuantitatif untuk melihat pengaruh variabel yang mempengaruhi tingkat engagement akun Lembaga Kementerian dan secara kualitatif untuk melihat karakteristik konten dengan memilih 5 post yang memiliki tingkat engagement tertinggi dari setiap akun Lembaga Kementerian. Hasil analisis ditemukan bahwa semakin banyak jumlah post semakin tingkat engagement, namun jumlah follower tidak memberikan pengaruh yang signifikan begitupun dengan media type. Sedangkan komponen karekteristik konten yang dianalisis (content type, dialogic loop, dan information richness) memberikan deskripsi yang berbeda.

Kata kunci: engagement analysis, content analysis, Instagram, media sosial, Kementerian

 

Abstract

Research related to engagement in the public sector on the social media platform Instagram is still infrequent, leading to a lack of evaluation results for improving public engagement and content quality enhancement. This study aims to analyze the level of public engagement and content characteristics on Instagram accounts of the Indonesian Ministry: Kabinet Indonesia Maju. Profile and post data were collected from 34 accounts since the account was created. Data extraction was performed using service tools developed by Phantombuster. Quantitative data analysis was conducted to test the variables influencing the level of engagement for Ministry accounts, and qualitative analysis was employed to investigate content characteristics by selecting the top 5 posts with the highest engagement from each Ministry account. The analysis results revealed that the higher the number of posts, the greater the engagement level for Ministry accounts, while the number of followers did not show a significant impact and the same goes for media type. Meanwhile, the analyzed content characteristics (content type, dialogic loop, and information richness) provided distinct descriptions.

Keywords: engagement analysis, content analysis, Instagram, social media, ministry institution

 

Pendahuluan

Dalam era yang terkoneksi secara digital sekarang ini dan keberadaan platform media sosial yang telah digunakan di semua kalangan. Semakin tahun pengguna internet semakin meningkat termasuk di Indonesia. We are Social dalam laporan Digital 2023, menganalisis pengguna internet di Indonesia pada tahun 2023 meningkat sekitar 10 juta (+5.2%) dari tahun 2022. Dari 212,9 juta pengguna internet, 167 juta diantaranya adalah pengguna aktif media sosial dengan rata-rata waktu yang diluangkan untuk mengakses media sosial adalah 3 jam 18 menit per hari.

Salah satu platform yang ramai dibicarakan saat ini adalah Instagram, channel media sosial berbasis visual yang didirikan sejak awal tahun 2010. Dalam laporan Digital 2023 oleh(We are Social, n.d.), Instagram adalah media sosial paling digunakan setelah Whatsapp, yaitu 86,5% dari total pengguna media sosial dengan rentang usia 16-64 tahun di Indonesia. Pada April 2023, Instagram memiliki setidaknya 1,628 milyar pengguna di seluruh dunia dengan pertumbuhan sebanyak 12,2% dari tahun sebelumnya.

 

Gambar Error! No text of specified style in document.. Media Sosial Paling Digunakan

 

Penggunaan media sosial paling banyak digunakan untuk dapat terus berinteraksi dengan teman dan keluarga, mengisi waktu luang, dan mencari informasi, dan mencari rekomendasi produk. Saat ini lembaga pemerintahan turut menggunakan media sosial dengan tujuan untuk memberikan informasi terkait tujuan, visi, dan misi, menciptakan interaksi dengan masyarakat secara dua arah dan mengkomunikasikan kebijakan, inisiatif, berita terbaru, dan aktivitas-aktivitas yang dilakukan (Zhang et al., 2022).

Lembaga pemerintahan turut meramaikan media sosial lainnya dengan munculnya akun-akun resmi dari setiap lembaga pemerintahan di setiap media sosial yang marak digunakan saat ini. Lembaga negara yang dibentuk berdasarkan UUD 1945 (Undang Undang Dasar 1945) terdiri dari MPR, DPR, DPD, Presiden, MA, KY, MK, dan BPK. Selanjutnya terdapat lembaga negara dalam lapis kedua yang disebutkan dalam UUD 1945 salah satunya adalah Lembaga Kementerian Negara. Saat ini terdapat 34 Kementerian dengan bidang tertentu dalam Kabinet Indonesia Maju yang dipimpin oleh Presiden Joko Widodo dan Wakil Presiden Ma’ruf Amin.

 

Gambar 2. Lembaga-Lembaga Negara Dalam Sistem Ketatanegaraan

 

Menurut Undang-Undang Nomor 39 Tahun 2008 lembaga kementerian memiliki fungsi untuk perumusan, penetapan, dan pelaksanaan kebijakan di bidangnya serta pengawasan atas pelaksanaan tugas di bidangnya. Kabinet Indonesia Maju terdiri dari
4 menteri koordinator dan 30 menteri bidang.
Menurut (Manetti et al., 2017)adopsi media sosial dalam administrasi publik seperti lembaga pemerintahan memiliki empat strategi sebagai berikut:

1)     Push Strategy yaitu media sosial menjadi tempat untuk membagikan konten dari web. Dalam strategi ini, tidak ada interaksi dan media sosial hanya digunakan untuk mengkomunikasikan informasi.

2)     Pull Strategy yaitu media sosial digunakan untuk menarik pengguna pada website dan memberikan mereka informasi baru. Pada strategi ini, organisasi ingin mengumpulkan informasi dari masyarakat tapi level interaksi yang terjadi sangat rendah karena organisasi jarang membalas comment dari pengguna.

3)     Networking Strategy yaitu media sosial digunakan untuk interaksi yang intensif antara organisasi dengan masyarakat.

4)     Transaction Strategy yaitu pelayanan masyarakat disediakan melalui aplikasi media sosial dimana strategi ini jarang diobservasi.

Media sosial seperti Instagram sangat memungkinkan Networking Strategy terjadi karena platform tersebut menyediakan tempat pemilik akun atau organisasi membagikan informasi melalui post dan jenis media lainnya, dan pengguna juga dapat memberikan comment pada post atau mengirimkan pesan pribadi. Akun media sosial lembaga pemerintahan dapat digunakan sebagai wadah untuk mencapai 3 tujuan open government yaitu meningkatkan transparansi, menguatkan partisipasi publik, dan menciptakan kolaborasi secara langsung dengan masyarakat (DePaula et al., 2018).

Menurut United Nations dalam E-Government Development Index (EGDI) 2022, Indonesia berada pada ranking 77 (indeks 0,716) dengan rata rata dunia 0,6102 dan mengalami kenaikan dari tahun sebelumnya di ranking 88. Salah satu dimensi yang dinilai dalam EGDI adalah Online Service Index (OSI). Dalam OSI 2022, Indonesia memiliki kenaikan indeks dari 0,6824 menjadi 0,7644 dengan rata-rata dunia 2022 adalah 0,554. Dalam OSI terdiri 5 subindeks diantaranya Institusional Framework (10%), Service Provision (45%), Content Provision (5%), Technology (5%), dan E-participation (35%). Terdapat E-Participation Index (EPI) sebagai supplementary EGDI dan Indonesia mengalami kenaikan rangking dari 55 ke 37 dengan indeks dan rata-rata dunia 2022 masing-masing 0,7159 dan 0,4450. Namun pada ketiga indeks ini, Indonesia masih berada dibawah negara tetangga Thailand dan Singapura.

Pada tahun 2016 menurut penelitian (Azmi & Budi, 2018) belum semua lembaga kementerian memiliki akun Instagram yaitu hanya 27 dari 34 lembaga. Menurut hasil penelitian (Arman & Sidik, 2019) pada 61 lembaga pemerintahan yang dianalisis termasuk lembaga kementerian menunjukkan 31 lembaga diantaranya masih menunjukkan tingkat engagement yang rendah dimana 50,82% akun tidak dapat mengoptimalkan akun Instagram untuk mendapat engagement dari follower.

Melalui penelitian ini, penulis ingin melakukan engagement analysis dan content analysis pada terhadap akun Instagram lembaga kementerian. Pertanyaan penelitian dalam studi ini meliputi:

1)     Bagaimana pengaruh komponen engagement terhadap tingkat engagement akun lembaga Kementerian Indonesia di media sosial Instagram?

2)     Bagaimana karakteristik konten yang dapat menarik engagement tinggi pada akun lembaga kementerian Indonesia di media sosial Instagram?

 

Metode Penelitian

Desain Penelitian

Desain penelitian adalah rencana dan prosedur untuk penelitian yang menjabarkan detail keputusan dalam metode pengumpulan dan analisis data (Creswell & Poth, 2016). Pemilihan desain penelitian didasarkan pada pertanyaan penelitian atau permasalahan yang dibahas (Wohlin, 2014). Penelitian karya akhir ini menggunakan pendekatan kuantitatif dengan mengambil data dari media sosial Instagram.

Metode Pengumpulan Data

Data yang dikumpulkan dalam penelitian adalah data profile dan post dari 34 akun Instagram Lembaga Lementerian Kabinet Indonesia Maju yang dipimpin oleh Presiden Joko Widodo dan Wakil Presiden Ma’ruf Amin. Pengumpulan data menggunakan tools Phantombuster dan data post yang diambil adalah keseluruhan data sejak user dibuat.

Pada tools Phantombuster telah tersedia user interface dalam bentuk dashboard yang dapat langsung digunakan tanpa melakukan coding untuk menarik data dari Instagram. Untuk data profile yang diambil menggunakan Phantom (service) Instagram Profile Scrapper dan data post menggunakan Phantom Instagram Profile Post Extractor. Kemudian diberikan input 34 username Lembaga Kementerian pada masing-masing Phantom kemudian dijalankan service sesuai dengan atribut yang telah disediakan. Daftar atribut yang akan digunakan untuk analisis data tercantum pada Tabel 1

Tabel 1. Kebutuhan Atribut Data

Jenis Data

Atribut

Profile

Jumlah post

Jumlah follower

Post

Total likes per post

Total comment per post

Caption

Media type (photo, video, sidecar)

 

Metode Analisis Data 

Metode olah data yang digunakan dalam penelitian ini merupakan pengolahan data kuantitatif. Proses analisis data dilakukan dalam tahapan-tahapan pengelolaan data, sebagai berikut: 

1)   Data post yang telah diperoleh dari hasil crawling dihitung jumlah likes, jumlah comment, information length, dialogic loop, dan media type per post.

2)   Melakukan agregasi jumlah likes, jumlah comment, information length, dialogic loop per akun Lembaga Kementerian, dan menghitung agregasi jumlah likes, jumlah comment per media type per akun Lembaga Kementerian.

3)   Melakukan uji normalitas data terhadap variabel dependen untuk mengetahui persebaran data.

4)   Melakukan uji korelasi untuk mengetahui pengaruh masing-masing variabel independen (jumlah post, jumlah follower, information length, dialogic loop dan media type) ke variabel dependen (tingkat engagement) untuk menjawab Pertanyaan Penelitian 1 (PP1).

5)   Melakukan pemilihan 5 post yang memiliki engagement tertinggi dari setiap 34 akun Lembaga Kementerian sehingga dihasilkan 170 records untuk semua akun Lembaga Kementerian.

Melakukan analisis secara kualitatif terhadap karakteristik konten berdasarkan content type, media type, dialogic loop, information richness, dan media type menggunakan penyajian deskriptif untuk menjawab Pertanyaan Penelitian 2 (PP2).

 

Hasil dan Pembahasan

Tingkat Engagement Akun Lembaga Kementerian

Proses pengumpulan data dilakukan pada tanggal 6 Desember 2023 menghasilkan data 34 akun Instagram Lembaga Kementerian pada Tabel 3.3 yang mengandung atribut pada Tabel 3.4. Langkah pertama yang dilakukan adalah menghitung tingkat engagement yang didapatkan dari perhitungan rumus (2.1). Jumlah comment dan jumlah likes ditotal dari nilai setiap post dan dikelompokkan berdasarkan username. Hasil tingkat Engagement Akun Lembaga Kementerian tertuang pada Tabel 2 berikut:

 

 

Tabel 2. Tingkat Engagement Akun Lembaga Kementerian

No

Username Instagram

Jumlah follower

Jumlah

post

Total comment

Total

likes

Engagement Rate

1

perekonomianri

291656

2582

7158

351333

1.229157

2

kemenkomarves

284010

4865

21221

1086056

3.898725

3

kemendag

344627

3364

46758

894372

2.730866

4

kemnaker

2090516

10392

1256828

17378347

8.914151

5

kementerianbumn

2136308

7925

361346

15145889

7.258895

6

kemenperin_ri

443561

3181

26674

1296897

2.983966

7

Kemenkopukm

588944

6175

162808

3447233

6.129685

8

kemenko_pmk

247889

3725

16772

917220

3.767783

9

Kemenkominfo

1973587

3775

501510

7429053

4.01835

10

kemensetneg.ri

666824

7206

96820

5238877

8.001657

11

kesdm

479786

3315

83033

1861985

4.053928

12

polhukamri

241172

1302

9392

401182

1.702412

13

kemenpanrb

1022965

3358

213766

4782252

4.88386

14

Kemendespdtt

376500

3925

57701

2105071

5.744414

15

kementerian.atrbpn

474252

6368

96571

4422007

9.5278

16

kemendagri

417820

1909

27448

1177822

2.884663

17

kemenparekraf.ri

1055744

18618

1056628

31988486

31.30031

18

bkpm_id

132763

2704

44046

572047

4.640547

19

kemensosri

654441

2277

145319

2413484

3.909906

20

bappenasri

256729

2004

41598

849044

3.469191

21

kemenhub151

691500

3919

157737

4846188

7.236334

22

kemenpora

656958

8365

186637

10621931

16.45245

23

kemdikbud.ri

2653667

7676

1087280

42430102

16.39896

24

kementerianpertanian

552659

4753

118716

5595618

10.33971

25

kemenpppa

172558

2162

14174

868999

5.118123

26

kemenag_ri

1053963

3155

397668

7710511

7.69304

27

kemenkes_ri

2659692

2933

401530

20898153

8.008327

28

kementerianlhk

413358

5100

90891

5767281

14.17215

29

kemenkumhamri

651046

1805

108583

3231625

5.130525

30

kemenpupr

1035899

7532

423077

21445346

21.11057

31

kkpgoid

232740

3751

48156

2866741

12.52426

32

kemenkeuri

596145

2590

110815

5867273

10.02791

33

kemhanri

425902

3658

85279

5958124

14.18966

34

kemlu_ri

340936

1566

30836

2439572

7.245958

 

Hasil Analisis Statistika Deskriptif

Analisis Deskriptif digunakan untuk mengetahui nilai minimum, maksimum, rata-rata, dan standar deviasi untuk setiap variabel. Hasil analisis deskriptif Akun Lembaga Kementerian tertuang pada Tabel 3 berikut:

 

Tabel 3. Hasil Analisis Statistika Deskriptif Data Interval

Descriptive Statistics

 

N

Minimum

Maximum

Mean

Std. Deviation

follower

34

132763.00

2659692.00

774032.8529

699398.03501

post

34

1302.00

18618.00

4645.1471

3332.62437

content_length

34

296.60

984.58

575.0524

143.91075

question_usage

34

.01

.72

.2906

.18041

hashtag_usage

34

.51

6.45

3.9307

1.30375

mention_usage

34

.06

2.41

.6200

.44681

comment

34

7158.00

1256828.00

221611.0588

317958.93283

likes

34

351333.00

42430102.00

7185474.1471

9549995.46312

Valid N (listwise)

34

 

 

 

 

 

Seluruh 34 akun Lembaga Kementerian memiliki rata-rata jumlah post 4645,1 per akun, rata-rata jumlah follower 774032,8 per akun, rata-rata jumlah comment 221611 per akun, rata-rata jumlah likes 7185474,1 per akun, rata-rata jumlah kata 575 per post, rata-rata tidak menggunakan tanda tanya per post, rata-rata penggunaan hashtag 4 per post, dan rata-rata tidak menggunakan mention per post. Akun yang paling banyak memiliki jumlah post adalah Kementerian Pariwisata dan Ekonomi Kreatif dengan jumlah post 18618. Sedangkan akun yang memiliki jumlah post terendah adalah Kementerian Koordinator Bidang Politik, Hukum, dan Keamanan dengan jumlah post 1302. Jumlah follower tertinggi dimiliki oleh Kementerian Kesehatan dan jumlah follower terendah dimiliki oleh Kementerian Investasi. Kementerian yang memiliki jumlah comment terbanyak adalah Kementerian Ketenagakerjaan dan yang terendah adalah Kementerian Koordinator Bidang Perekonomian. Kementerian dengan jumlah likes terbanyak adalah Kementerian Pendidikan, Kebudayaan, Riset, dan Teknologi dan yang terendah adalah Kementerian Koordinator Bidang Perekonomian. Jumlah follower, jumlah post, jumlah likes, dan jumlah comment sangat bervariasi ditunjukkan dengan nilai standar deviation yang tinggi.

T abel 4. Hasil Analisis Statistika Deskriptif Data Ordinal (Media Type)

Media Type

 

Comment

Likes

Photo

N

965602

33108046

Mean

28400.06

973766.0588

Std. Deviation

1412.668

130317.1276

Video

N

2925404

91108318

Mean

86041.29

2679656.412

Std. Deviation

1432.213

129735.2151

Album/Sidecar

N

3292516

106029542

Mean

96838.71

3118515.941

Std. Deviation

1431.652

129101.1837

 

Analisis deskriptif dilakukan berdasarkan media type untuk seluruh 34 akun Lembaga Kementerian. Hasil menunjukkan media Album/Sidecar memiliki jumlah dan rata-rata comment dan likes paling tinggi sedangkan yang terendah adalah media photo.

 

Uji Normalitas

Untuk menjawab PP1 akan dilakukan uji korelasi untuk mengetahui hubungan antara setiap variabel terhadap tingkat engagement. Uji normalitas perlu dilakukan sebagai prasyarat untuk melihat distribusi data dan menentukan jenis uji yang akan digunakan menggunakan statistika parametrik atau non parametrik (Sugiyono, 2007). Hasil uji normalitas tertuang pada Tabel 5 berikut:

Tabel 5. Hasil Uji Normalitas

Tests of Normality

 

Kolmogorov-Smirnova

Shapiro-Wilk

Statistic

df

Sig.

Statistic

df

Sig.

engagement

.185

34

.005

.820

34

.000

a. Lilliefors Significance Correction

 

Uji normalitas dilakukan pada SPSS dengan menggunakan Uji Kolmogorov-Smirnov dan menghasilkan nilai signifikansi yang sangat kecil dengan nilai signifikansi kurang dari P = 0,005. Nilai standar deviasi pada Tabel 5 juga menunjukkan angka yang sangat besar karena persebaran data tidak merata. Hal ini menunjukkan bahwa data tidak berdistribusi normal sehingga untuk analisis uji korelasi data interval akan menggunakan uji statistik non parametrik. Sedangkan untuk data ordinal (media type) akan secara langsung menggunakan uji non-parametrik.

 

Hasil Analisis Statistika Inferensial (PP1)

Uji normalitas menghasilkan data yang tidak berdistribusi normal sehingga digunakan Uji non-parameterik untuk uji korelasi, yaitu menggunakan korelasi Spearman’s dengan hasil pada Tabel 5. Uji korelasi dilakukan untuk membuktikan hipotesis:

H1: Jumlah post memiliki hubungan kuat dengan tingkat engagement akun Lembaga Kementerian

H2: Jumlah follower memiliki hubungan kuat dengan tingkat engagement akun Lembaga Kementerian

H3: Information Richness memiliki hubungan kuat dengan tingkat engagement akun Lembaga Kementerian

H4: Dialogic Loop memiliki hubungan kuat dengan tingkat engagement akun Lembaga Kementerian

Tabel 6. Hasil Uji Korelasi Spearman’s Data Interval

 

follower

post

content_

length

question_usage

hashtag_usage

mention_usage

engagement

Spearman's rho

follower

Correlation Coefficient

1.000

.492**

.274

.231

-.095

.215

.477**

Sig. (2-tailed)

.

.003

.117

.189

.594

.221

.004

N

34

34

34

34

34

34

34

post

Correlation Coefficient

.492**

1.000

.490**

.077

.114

.191

.624**

Sig. (2-tailed)

.003

.

.003

.666

.522

.280

.000

N

34

34

34

34

34

34

34

content_

length

Correlation Coefficient

.274

.490**

1.000

.046

.264

.357*

.353*

Sig. (2-tailed)

.117

.003

.

.795

.131

.038

.041

N

34

34

34

34

34

34

34

question_usage

Correlation Coefficient

.231

.077

.046

1.000

.219

.463**

.168

Sig. (2-tailed)

.189

.666

.795

.

.214

.006

.342

N

34

34

34

34

34

34

34

hashtag_usage

Correlation Coefficient

-.095

.114

.264

.219

1.000

.325

-.001

Sig. (2-tailed)

.594

.522

.131

.214

.

.061

.995

N

34

34

34

34

34

34

34

mention_usage

Correlation Coefficient

.215

.191

.357*

.463**

.325

1.000

.210

Sig. (2-tailed)

.221

.280

.038

.006

.061

.

.234

N

34

34

34

34

34

34

34

engagement

Correlation Coefficient

.477**

.624**

.353*

.168

-.001

.210

1.000

Sig. (2-tailed)

.004

.000

.041

.342

.995

.234

.

 

Tabel 7. Hasil Uji Korelasi Spearman’s Data Ordinal (Media Type)

 

media_type

engagement

Spearman's rho

media_type

Correlation Coefficient

1.000

.471**

Sig. (2-tailed)

.

.000

N

102

102

engagement

Correlation Coefficient

.471**

1.000

Sig. (2-tailed)

.000

.

N

102

102

**. Correlation is significant at the 0.01 level (2-tailed).

 

Didapatkan hasil hubungan engagement dengan jumlah post (sig = 0,000 < P =0,005), hubungan engagement dengan jumlah follower (sig = 0,004 < P = 0,005), hubungan engagement dengan content_length (sig = 0,041 > P = 0,005), hubungan engagement dengan question usage, hashtag, dan mention usage masing-masing (sig = 0,342; sig = 0,995; sig = 0234 > P = 0,005), dan hubungan engagement dengan media type (sig = 0,000 < P =0,005).  Hanya jumlah follower, jumlah post, dan media type yang memiliki nilai sig dibawah 0,05 sehingga hal ini menunjukkan ketiga variabel memiliki hubungan dengan tingkat engagement.

 

Tabel 8. Pedoman Interpretasi Koefisien Korelasi (Sugiyono, 2007)

Internal Koefisien

Tingkat Hubungan

0,00 – 0,199

Sangat rendah

0,20 – 0,399

Rendah

0,40 – 0,599

Sedang

0,60 – 0,799

Kuat

0,80 – 1,000

Sangat Kuat

 

Namun koefisien Spearman’s menunjukkan nilai yang berbeda untuk kedua variabel. Tingkat hubungan dapat dikategorikan berdasarkan pedoman pada Tabel 4.5. Koefiesien Spearman’s antara jumlah follower dan tingkat engagement adalah 0,477 dimana ini menujukkan tingkat hubungan yang sedang. Koefiesien Spearman’s antara jumlah post dan tingkat engagement adalah 0,625 dimana ini menujukkan tingkat hubungan yang kuat. Sedangkan koefiesien Spearman’s antara media type dan tingkat engagement adalah 0,471 dimana ini menujukkan tingkat hubungan yang sedang.

 

Tabel 9. Kesimpulan Uji Korelasi Spearman’s

Variabel Dependen

Variabel Independen

Sig.

Value

Koefisien Spearman’s

Tingkat Hubungan

Kesimpulan

 

Tingkat Engagement

Jumlah Post

0,004

0,624

Hubungan positif kuat

H1 terbukti

Jumlah Follower

0,000

0,477

Hubungan positif sedang

H2 tidak terbukti

Content Length

0,353

0,041

Tidak memiliki hubungan

H3 tidak terbukti

Question usage

0,168

0,342

Tidak memiliki hubungan

H4 tidak terbukti

Hashtag Usage

-0,001

0,995

Tidak memiliki hubungan

Mention Usage

0,210

0,234

Tidak memiliki hubungan

Media Type

0,000

0,471

Hubungan positif sedang

H5 tidak terbukti

 

Hasil Analisis Karakteristik Konten (PP2)

Untuk menjawab Pertanyaan Penelitian 2 yaitu mengenai karakteristik konten yang dapat menarik engagement tinggi, 170 post diambil dari 5 post tertinggi dari 34 akun Lembaga Kementerian dan dianalisis secara kualitatif. Komponen yang dianalisis antara lain: content type, dialogic loop, dan information richness.

Content Type

Tipe konten diambil dari kriteria dan definisi yang dikembangkan oleh (DePaula et al., 2018). Untuk mengetahui kategori content dari setiap post penulis melakukan pelabelan secara manual dan selanjutkan dianalisis secara deskriptif untuk melihat jumlah dan rata-rata setiap content type dengan hasil pada Tabel 10 berikut:

 

Tabel 10. Hasil Analisis Content Type

Content Type

Jumlah

Rata-Rata Comment

Rata-Rata Likes

Information Provision

71

1636,225

42295

Input Seeking

3

468,6667

28854,67

Online Dialogue or Offline Interaction

16

6536,75

28708,19

Symbolic Representation

80

1111,625

37042,08

 

Information Provision

Kategori Information Provision (41,7%) adalah kategori terbanyak kedua dibandingkan dengan kategori lainnya pada post terpilih. Jenis informasi yang termasuk kategori ini antara lain: pemberitahuan terkait layanan publik, misi, perubahan kebijakan/kebijakan baru, dan edukasi kepada masyarakat oleh Lembaga Kementerian. Contoh post dengan kategori ini tercantum pada Tabel 11.

Tabel 11. Contoh Post Information Provision

Caption

username

Tanggal

#SahabatDikbud , kreativitas (creativity) adalah salah satu kompetensi yang dibutuhkan generasi bangsa di abad 21. Selain itu ada 4C lain, yakni Communication (komunikasi), Collaboration (kolaborasi/kerja sama), Critical Thinking (berpikir kritis), dan Confidence (percaya diri). .

 

#SahabatDikbud sudah melihat poster-poster dari mahasiswa saat aksi unjuk rasa kemarin? Kreatif-kreatif, bukan? 😊👍. .

 

Nah, Kemendikbud mengajak #SahabatDikbud untuk melihat kreativitas mahasiswa dalam karya posternya itu, dan memperbaiki kesalahan penulisan bahasa Indonesia. Apakah #SahabatDikbud menemukan poster kreatif lain untuk media pembelajaran bahasa Indonesia? 😊

.

 

#bahasaindonesia #cintabahasaindonesia #cerdasberliterasi #cerdasberkarakter #cerdasberbudaya

kemdikbud.ri

2019-09-25

 

Input Seeking

Kategori Input Seeking sebanyak 1,76% pada post terpilih. Jenis informasi yang termasuk kategori ini antara lain: pengumpulan feedback dari masyarakat dalam bentuk survey atau poll meskipun bentuk response dari organisasi tidak jelas. Contoh post dengan kategori ini tercantum pada Tabel 12.

Tabel 12. Contoh Post Input Seeking

Caption

username

Tanggal

Rekanaker Termasuk yang Mana? 😉

 

#k3 #K3Unggul #IndonesiaMaju #keselamatankerja #kesehatankerja

kemnaker

2022-06-28

 

 

Online Dialogue or Offline Interaction

Kategori Online Dialogue or Offline Interaction sebanyak 9,4% pada post terpilih. Jenis informasi yang termasuk kategori ini antara lain: rekomendasi/ajakan untuk mengukuti diskusi atau forum dan dapat berupa undangan untuk bertemu stakeholder Lembaga Kementerian. Contoh post dengan kategori ini tercantum pada Tabel 13.

Tabel 13. Contoh Post Online Dialogue or Offline Interaction

Caption

username

Tanggal

Ayo, ajak seluruh keluarga untuk berakhir pekan dan kunjungi Pameran Kerajinan Nusantara "Kriya Nusa" yang diselenggarakan oleh Dewan Kerajinan Nasional (@dekranas.id).

 

KemenKopUKM bersama dengan Smesco Indonesia (@smescoindonesia) dan Perempuan Tangguh Indonesia (@perempuantangguh.official) juga meramaikan acara ini dengan menghadirkan "Pagelaran Tari Wastra Nusantara dan Tata Rias oleh Disabilitas" pada sesi puncak.

 

Minggu, 25 September 2022

Pukul 11.00-13.00 WIB

 

Berlokasi di Balai Sidang Jakarta Convention Center (Hall-A), Jakarta Pusat.

 

Gratis!

 

Jangan lupa catat tanggalnya ya, Sobat!

 

#KemenKopUKM

#UMKMBangkit

#KoperasiKeren

#IndonesiaMaju

#CeritaWastra

#CeritaKriya

kemenkopukm

2022-09-19

 

Symbolic Representation

Kategori Input Seeking sebanyak 47% pada post terpilih. Jenis informasi yang termasuk kategori ini antara lain: pelaporan terkait aktivitas positif yang telah dilakukan, pencapaian yang telah diraih, ucapan selamat, belasungkawa, pemasaran atau endorsement terkait produk/layanan dari Lembaga Kementerian. Contoh post dengan kategori ini tercantum pada Tabel 14.

Tabel 14. Contoh Post Symbolic Representation

Caption

username

Tanggal

Turut berduka cita sedalam-dalamnya atas berpulangnya Prof. Dr. Ing Bacharuddin Jusuf Habibie, Presiden Republik Indonesia ke-3. Semoga Allah SWT menerima seluruh amal ibadah beliau dan mendapatkan tempat terbaik di sisi-Nya

 

#IndonesiaBerduka

kemlu_ri

2019-09-11

 

 

Dialogic Loop

Teori Dialogic Communication menyoroti pentingnya pertukaran ide dan pandangan melalui negosiasi. Sehingga diharapkan terjadi komunikasi dua arah antara organisasi dengan masyarakat, tidak hanya bersifat monolog.

Usage of Question Statement

Kalimat dengan bentuk pertanyaan diwakili oleh karakter tanda tanya (?) dimana ini dapat bertujuan untuk menarik engagement masyakat untuk memberikan komentar pada Instagram atau feedback di platform lainnya.

Tabel 15. Statistika Deskriptif Usage of Question Statement

Descriptive Statistics

 

N

Minimum

Maximum

Mean

Std. Deviation

question

170

.00

3.00

0.35672

0.66527

 

Hasil analisis pada Tabel 15 menunjukkan penggunaan kalimat tanya pada post terpilih paling banyak menggunakan 3 tanda tanya dan hanya memiliki rata-rata 0,35 di setiap post. Sehingga dapat disimpulkan penggunaan kalimat tanya pada post dengan engagement tinggi jarang digunakan. Hal ini diperkuat dengan jumlah post dengan tipe konten input seeking yang rendah.

 

Usage of Hashtag

Penggunaan hashtag (#) dapat meningkatkan engagement melalui pencarian hashtag. Biasanya hashtag terbentuk setelah ada topik yang trending. Penggunaan hashtag dapat digunakan untuk merespon atau meramaikan suatu topik.

Tabel 16. Statistika Deskriptif Usage of Hashtag

Descriptive Statistics

 

N

Minimum

Maximum

Mean

Std. Deviation

hashtag

170

.00

17.00

4.16959

2.84096

Hasil analisis pada Tabel 16 menunjukkan penggunaan hashtag pada post terpilih paling banyak menggunakan 17 hashtag dan memiliki rata-rata 4,1 hashtag di setiap post.

 

Usage of Mention

Penggunaan mention (@) dapat meningkatkan engagement karena mengundang akun-akun tertentu untuk memberikan engagement berupa like, reaksi, respon/komentar. Selain itu dapat mempengaruhi follower dari akun tersebut untuk memberikan engagement. Biasanya mention ditambahkan jika post tersebut berkaitan dengan akun-akun yang di-mention.

Tabel 17. Statistika Deskriptif Usage of Mention

Descriptive Statistics

 

N

Minimum

Maximum

Mean

Std. Deviation

mention

170

.00

25.00

1.00584

2.68217

Hasil analisis pada Tabel 17 menunjukkan penggunaan mention pada post terpilih paling banyak menggunakan 25 mention dan memiliki rata-rata 1 mention di setiap post.

Information Richness

Information Richness melibatkan media type karena dianggap berpengaruh pada tingkat engagement. Selain itu Information Richness juga mencakup panjang karakter yang digunakan untuk caption yang digunakan dalam post (Information Length).

 

Information Length

Panjang karakter dihitung dari jumlah karakter dari setiap post terpilih. Dilakukan analisis secara deskriptif untuk mengetahui nilai minimum, maksimum, rata-rata, dan standar deviasi untuk setiap variabel.

Tabel 18. Statistika Deskriptif Information Length

Descriptive Statistics

 

N

Minimum

Maximum

Mean

Std. Deviation

information_length

170

.00

1591.00

529.4412

324.61017

 

Dari hasil analisis pada Tabel 18 menunjukkan panjang karakter yang bervariasi ditunjukkan dengan nilai standar deviasi yang besar (324,6). Selain itu ditemukan post (Tabel 18) tanpa caption yang memiliki engagement tinggi, yaitu post dengan media type video dan content type symbolic representation.  Sedangkan post dengan 1591 karakter juga memiliki engagement tinggi. Dari temuan ini, dapat disimpulkan bahwa panjang karakter tidak menentukan tingkat engagement.

 

Tabel 19. Post dengan Information Length Minimum dan Maksimum

Caption

username

Media Type

Panjang Karakter

Content Type

 

kemenpora

Video

0

Symbolic Representation

Setiap individu yang terinfeksi COVID-19 memiliki respon tubuh yang berbeda-beda, ada yang tanpa gejala, gejala ringan, sedang, bahkan berat.

 

Yuk, kita pahami bersama penatalakaanaan pasien COVID-19 berdasarkan tingkat gejala yang dialaminya.

 

Penanganan pasien positif COVID-19 yang tidak bergejala diimbau untuk isolasi mandiri di rumah atau isolasi terpusat seperti RS Darurat. Isolasi minimal 10 hari sejak ditegakkan diagnosis. Setelah isolasi 10 hari maka pasien dinyatakan selesai isolasi.

 

Sementara untuk pasien positif COVID-19 gejala sakit ringan-sedang. Pasien diimbau untuk isolasi mandiri di rumah, RS Darurat, RS, maupun RS Rujukan COVID-19. Isolasi minimal 10 hari sejak munculnya gejala ditambah 3 hari bebas demam dan gejala pernapasan.

 

Positif COVID-19 dengan gejala sakit berat akan diisolasi di RS atau RS rujukan. Pasien diisolasi minimal 10 hari sejak muncul gejala ditambah 3 hari bebas demam dan gejala pernapasan. Pasien akan dilakukan lagi tes swab jika hasilnya negatif maka pasien akan dinyatakan sembuh.

 

Bagi pasien yang menjalani isolasi mandiri/karantina mandiri, selain memenuhi syarat klinis, juga harus memperhatikan syarat rumah dan proses terapi. Obat-obatan yang disebutkan tersebut, harus berdasarkan resep dokter. Jangan lakukan self medicating tanpa konsultasi dan pengawasan nakes maupun petugas Puskesmas.

 

Selama masa perawatan juga jangan lupa untuk tetap patuhi protokol kesehatan, konsumsi makanan bergizi seimbang, lakukan pola hidup bersih dan sehat, hindari stres, istirahat cukup serta rutin aktivitas fisik.

 

Salam sehat #Healthies!

kemenkes_ri

Sidecar/

Album

1591

Information Provision

 

Media Type

Media Type dari setiap post telah tersedia dari raw data yang ditarik menggunakan tools Phantombuster. Dilakukan analisis secara deskriptif untuk mengetahui jumlah dan rata-rata likes dan comment untuk setiap media type.

Tabel 20. Hasil Analisis Media Type

Media Type

Jumlah

Rata-Rata Likes

Rata-Rata Comment

Video

52

863,5192

57276,15

Photo

65

1524,246

24140,69

Album/Sidecar

53

3153,151

37069,83

 

Hasil analisis pada Tabel 20 media type menunjukkan penggunaan tiap media memiliki jumlah yang relatif sama. Media Video memiliki rata-rata jumlah like paling rendah dibanding yang lain namun memiliki rata-rata jumlah comment paling banyak disbanding media lain. Media Album/Sidecar memiliki rata-rata jumlah like paling tinggi namun memiliki rata-rata jumlah comment di urutan kedua. Media Photo memiliki rata-rata jumlah like di urutan kedua dan memiliki rata-rata jumlah comment paling paling rendah. Dari ketiga perbandingan dapat dilihat bahwa Media Photo yang memiliki kecenderungan untuk mendapat likes tinggi dan media Album memiliki kecenderungan mendapat comment tinggi.

 

Pembahasan

PP1: Bagaimana pengaruh komponen engagement terhadap tingkat engagement akun lembaga Kementerian Indonesia di media sosial Instagram?

Hasil analisis menunjukkan komponen engagement jumlah post, jumlah follower, dan media type memiliki hubungan yang positif terhadap tingkat engagement namun memiliki level hubungan yang berbeda.

Jumlah post memiliki pengaruh kuat terhadap engagement masyarakat dimana hal ini bertentangan dengan (Perea et al., 2021a)  dimana aktivitas Instagram (post) memiliki hubungan negatif dengan engagement yang berarti semakin tinggi jumlah post semakin rendah engagement. Namun hal ini juga dapat direlasikan dengan algoritma Instagram yang menyebutkan bahwa apa yang dilihat pertama oleh pengguna Instagram adalah post dan akun yang sering berinteraksi bersama dan juga faktor-faktor lainnya seperti urutan kronologi post, seberapa sering penggunaan Instagram, dan berapa banyak akun yang diikuti. Dari algoritma tersebut dapat diasumsikan bahwa post yang diunggah oleh akun Lembaga Kementerian dilihat oleh follower dan dimungkinkan karena faktor lainnya, follower banyak memberikan interaksi atau engagement pada post tersebut. Hasil dari penelitian ini sesuai dengan (Jayasingh & Venkatesh, 2015) yang menunjukkan bahwa semakin banyak jumlah post semakin tinggi engagement.

Jumlah follower memiliki pengaruh yang sedang. Hasil ini secara parsial sesuai dengan penelitian (Zhang et al., 2022) semakin banyak jumlah follower maka semakin tinggi tingkat engagement. Namun terdapat kasus lain dimana tidak semua follower yang dimiliki merupakan follower aktif. Suatu pengguna dapat mengikuti pengguna lainnya tanpa harus terjadi interaksi (Bonsón et al., 2019)  . Sehingga dapat disimpulkan bahwa jumlah follower tidak berpengaruh secara signifikan terhadap tingkat engagement.

Media type memiliki pengaruh yang sedang dimana ini sesuai dengan penelitian (Bonsón et al., 2019; Perea et al., 2021a). Media type adalah data ordinal yang terdiri dari foto, video, dan album yang dibagi menjadi 3 level (rendah, sedang, tinggi) dengan masing-masing kode 1,2,3 untuk menunjukkan tingkat kekayaan informasi (Zhang et al., 2022). Hasil analisis deskriptif pada Tabel 20 menunjukkan media Album/Sidecar adalah media yang paling sering digunakan oleh Lembaga Kementerian dan menghasilkan jumlah comment dan jumlah likes terbanyak dibanding media lainnya. Instagram adalah media sosial visual dimana konten yang diunggah adalah berupa foto, video, atau kombinasi keduanya. Hasil penelitian ini dapat berbeda dengan penelitian lain yang menggunakan media sosial berbeda seperti Facebook dan Twitter karena terdapat jenis media lain seperti text dan web link.

Untuk melihat apakah terdapat perbedaan signifikan secara statistik antara media photo, video, dan album dilakukan uji Kruskal Wallis, yaitu Uji One Way Anova untuk data berskala ordinal. Hasil menunjukkan pada Tabel 21 pada jumlah comment, nilai asymp. Sig. (0,009) < 0,05 dan pada jumlah likes nilai asymp. Sig. (0,002) < 0,05 sehingga dapat diinterpretasikan bahwa terdapat perbedaan signifikan pada jumlah comment dan jumlah likes antar media type. Hal ini sesuai dengan penelitian (Perea et al., 2021).

Tabel 21. Hasil Uji Kruskal Wallis

 

Test Statisticsa,b

 

comment

likes

Kruskal-Wallis H

9.368

12.685

df

2

2

Asymp. Sig.

.009

.002

a. Kruskal Wallis Test

b. Grouping Variable: media_type

 

Sedangkan information length dan dialogic loop tidak memiliki pengaruh terhadap tingkat engagement. Hal ini bertentangan dengan literatur (Zhang et al., 2022) yang menunjukkan jumlah kata pada post dan variasi bahasa dengan komunikasi dialog akan meningkatkan engagement.

Sehingga untuk menjawab pertanyaan penelitian pertama (PP1) dapat disimpulkan bahwa semakin banyak post yang diunggah semakin tinggi tingkat engagement, semakin banyak follower tidak meningkatkan engagement secara signifikan, sedangkan media type tidak meningkatkan engagement secara signifikan namun terdapat perbedaan yang signifikan antara media photo, video, dan album dimana media album adalah media yang paling sering digunakan dan mendapat jumlah likes dan comment tertinggi dibanding media lainnya.

PP2: Bagaimana karakteristik konten yang dapat menarik engagement tinggi pada akun lembaga kementerian Indonesia di media sosial Instagram?

Selanjutnya hasil analisis secara kualitatif pada 170 post ditemukan beberapa karakteristik. Pertama terkait content type, kategori dengan jumlah terbanyak adalah symbolic representation (47%). Hal ini menunjukkan tipe konten yang menarik engagement tinggi seperti pelaporan terkait aktivitas positif yang telah dilakukan, pencapaian yang telah diraih, ucapan selamat, belasungkawa, pemasaran atau endorsement terkait produk/layanan dari Lembaga Kementerian. Jenis lembaga pemerintahan yang dianalisis mempengaruhi kategori konten. Hasil ini sesuai dengan penelitian (Yavetz & Aharony, 2021a) yang juga meneliti engagement Lembaga Kementerian di negara yang berbeda. Konten dengan kategori input seeking dan online dialogue/offline interaction belum banyak ditemukan pada post dengan engagement tinggi dimana hal ini perlu dilakukan analisis mendalam mengapa tipe konten ini jarang diunggah karena kategori ini bertujuan untuk menggali feedback atau partisipasi lebih tinggi dari kategori lainnya.

Kedua terkait dialogic loop, konten terpilih dengan engagement tinggi menujukkan penggunaan kalimat tanya, hashtag, dan mention yang beragam. Penggunaan kalimat tanya jarang digunakan dan ini sesuai dengan jumlah tipe konten input seeking yang rendah. Rata-rata 4 hashtag dan 1 mention digunakan di setiap post dengan engagement tertinggi. 

Ketiga terkait Information Richness, terdapat dua komponen yang dilihat yaitu content length (panjang karakter) dan media type. Untuk panjang karakter tidak ditemukan pola yang berarti karena variasi panjang karakter yang tinggi karena terdapat konten yang tidak memiliki caption sama sekali. Sedangkan untuk media type, media photo memiliki kecenderungan untuk mendapat likes tinggi dan media Album memiliki kecenderungan mendapat comment tinggi. Hal ini secara parsial didukung pada hasil Tabel 21 dimana antara media type memiliki perbedaan yang signifikan namun hanya media Album yang mengimplikasikan hasil jumlah comment dan likes tertinggi untuk keseluruhan post.

Kesimpulan

Penelitian ini bertujuan untuk menganalisis faktor-faktor yang memengaruhi tingkat engagement pada akun Lembaga Kementerian (PP1) serta karakteristik konten yang dapat meningkatkan engagement tinggi pada suatu postingan (PP2). Metode analisis yang digunakan meliputi metode kuantitatif dengan uji korelasi Spearman's untuk mengidentifikasi pengaruh variabel independen terhadap tingkat engagement, dan metode kualitatif dengan analisis deskriptif pada 5 postingan dengan tingkat engagement tertinggi dari 34 Lembaga Kementerian. Hasil penelitian menunjukkan bahwa variabel yang mempengaruhi tingkat engagement meliputi jumlah postingan, jumlah pengikut, dan jenis media yang digunakan. Postingan yang lebih banyak menghasilkan tingkat engagement yang lebih tinggi, sementara jumlah pengikut tidak berpengaruh secara signifikan. Namun, jenis media berbeda-beda, dengan media album mendapat jumlah like dan komentar tertinggi. Karakteristik konten dengan engagement tinggi meliputi jenis konten symbolic representation, penggunaan dialogic loop seperti kalimat tanya, hashtag, dan mention, serta penggunaan media dengan tingkat kedalaman informasi yang tinggi seperti media photo dan album. Meskipun demikian, tidak semua karakteristik konten memiliki hubungan langsung dengan tingkat engagement, seperti dialogic loop dan panjang karakter konten.

 

 

BIBLIOGRAFI

 

Arman, A. A., & Sidik, A. P. (2019). Measurement of Engagement Rate in Instagram (Case Study: Instagram Indonesian Government Ministry and Institutions). 978-1-7281-4880-9/19.

Azmi, A. F., & Budi, I. (2018). Exploring practices and engagement of Instagram by Indonesia Government Ministries. International Conference on Information Technology and Electrical Engineering.

Bonsón, E., Perea, D., & Bednárová, M. (2019). Twitter as a tool for citizen engagement: An empirical study of the Andalusian municipalities. Government Information Quarterly, 36(3), 480–489. https://doi.org/10.1016/j.giq.2019.03.001

Creswell, J. W., & Poth, C. N. (2016). Qualitative inquiry and research design: Choosing among five approaches. Sage publications. 

DePaula, N., Dincelli, E., & Harrison, T. M. (2018). Toward a typology of government social media communication: Democratic goals, symbolic acts and self-presentation. Government Information Quarterly, 35(1), 98–108. https://doi.org/10.1016/j.giq.2017.10.003

Manetti, G., Bellucci, M., & Bagnoli, L. (2017). Stakeholder Engagement and Public Information Through Social Media: A Study of Canadian and American Public Transportation Agencies. American Review of Public Administration, 47(8), 991–1009. https://doi.org/10.1177/0275074016649260

Perea, D., Bonsón, E., & Bednárová, M. (2021a). Citizen reactions to municipalities’ Instagram communication. Government Information Quarterly, 38(3). https://doi.org/10.1016/j.giq.2021.101579

Perea, D., Bonsón, E., & Bednárová, M. (2021b). Citizen reactions to municipalities’ Instagram communication. Government Information Quarterly, 38(3). https://doi.org/10.1016/j.giq.2021.101579

Sugiyono. (2007). Statistika Untuk Penelitian.

United Nations. (n.d.). UN E-Government Knowledgebase . Retrieved September 10, 2023, from 10/12/2023https://publicadministration.un.org/egovkb/en-us/About/Overview/-E-Government-Development-Index

We are Social. (n.d.). Digital 2023: Global Overview Report. Retrieved October 10, 2023, from https://datareportal.com/reports/digital-2023-global-overview-report

Wohlin, C. (2014). Guidelines for snowballing in systematic literature studies and a replication in software engineering. ACM International Conference Proceeding Series. https://doi.org/10.1145/2601248.2601268

Yavetz, G., & Aharony, N. (2021a). Social media for government information dissemination: content, characteristics and civic engagement. Aslib Journal of Information Management, 73(3), 473–496. https://doi.org/10.1108/AJIM-07-2020-0201

Yavetz, G., & Aharony, N. (2021b). Social media for government information dissemination: content, characteristics and civic engagement. Aslib Journal of Information Management, 73(3), 473–496. https://doi.org/10.1108/AJIM-07-2020-0201

Zhang, W., Yuan, H., Zhu, C., Chen, Q., & Evans, R. (2022). Does Citizen Engagement With Government Social Media Accounts Differ During the Different Stages of Public Health Crises? An Empirical Examination of the COVID-19 Pandemic. Frontiers in Public Health, 10. https://doi.org/10.3389/fpubh.2022.807459

 

Copyright holder:

Dyah Pangesti, Achmad Nizar Hidayanto (2024)

 

First publication right:

Syntax Literate: Jurnal Ilmiah Indonesia

 

This article is licensed under: