Syntax
Literate: Jurnal Ilmiah Indonesia p–ISSN: 2541-0849 e-ISSN: 2548-1398
Vol. 10, No.
10, Oktober 2024
ANALISIS STRUKTUR
JARINGAN KOMUNIKASI BOIKOT PIZZA HUT DI TWITTER MENGGUNAKAN PENDEKATAN SOCIAL
NETWORK ANALYSIS (SNA)
Adienda Rheswary1*, Munadhil Abdul Muqsit2,
Radita Gora Tayibnapis3
Universitas
Pembangunan Nasional Jakarta, Jakarta, Indonesia1,2,3
Email:
adiendarheswary@gmail.com*
Abstrak
Penelitian ini menggunakan metode Social Network Analysis (SNA) untuk
menganalisis struktur jaringan komunikasi dalam aksi boikot Pizza Hut di
Twitter. Data dikumpulkan dari 1 September hingga 30 November 2023, dengan
temuan yang menunjukkan bahwa Twitter berfungsi sebagai platform utama untuk
penyebaran informasi dan pengorganisasian aksi boikot tersebut. SNA digunakan
untuk mengidentifikasi struktur sosial dan posisi aktor utama dalam penyebaran
informasi di media sosial ini. Hasil analisis menunjukkan adanya modularitas
yang tinggi dalam jaringan komunikasi, yang ditandai dengan terbentuknya banyak
kelompok atau cluster. Sentralitas aktor dalam jaringan juga terdistribusi
dengan merata. Penyebaran word cloud terkait Boikot Pizza Hut tampak
dimobilisasi oleh beberapa akun yang menjadi pusat retweet. Studi ini
memberikan wawasan lebih dalam tentang dinamika jaringan komunikasi di media
sosial. Namun, penelitian ini memiliki beberapa keterbatasan, seperti
partisipasi dan aktivitas pengguna yang terbatas, serta jumlah data yang bisa
diambil. Penelitian ini juga mengukur nilai modularity untuk mengidentifikasi
kelompok-kelompok yang terbentuk dalam jaringan. Penelitian lanjutan disarankan
untuk lebih mendalami konten tweet dan interaksi antar akun guna memahami
dinamika jaringan secara lebih mendalam, serta menganalisis sentimen pengguna
terkait topik ini untuk mengembangkan strategi komunikasi yang lebih efektif di
media sosial.
Kata Kunci: Boikot,
Pizza Hut, Social Network Analysis (SNA)
Abstract
This research uses
the Social Network Analysis (SNA) method to analyze the communication network
structure in the Pizza Hut boycott on Twitter. Data was taken from September 1
to November 30, 2023, and the results show that Twitter was used as a means to
disseminate information and organize boycotts. The SNA method is used to
determine the social structure and position of the main actors in the
dissemination of information on social media. Analysis of the Twitter
communication network regarding the Pizza Hut Boycott shows high modularity,
with many groups or clusters forming. Actor centrality is also distributed
evenly. The spread of the Pizza Hut Boycott word cloud seems to have been
mobilized in groups by several accounts that were the center of retweets. This
research provides a deeper understanding of the dynamics of communication
networks on social media. Limitations in data collection include limitations on
participation and activities, as well as limitations on the amount of data that
can be retrieved. This research also determines the value of modularity to
explain the groups that form in communication networks on Twitter. For future
research, it is recommended to conduct further analysis of tweet content and
interactions between accounts to understand more deeply the dynamics of
communication networks. Apart from that, sentiment analysis can also be carried
out to understand user responses to the Boycott Pizza Hut topic. This analysis
can be used for further communication strategies on social media.
Keywords: Boycott, Pizza Hut, Social Network Analysis
(SNA)
Pendahuluan
Salah satu bentuk perkembangan dari adanya New Media atau media baru adalah lahirnya sebuah inovasi berupa
internet
Dalam
Perkembangan Media Siber (Cyber Media) dianggap sebagai penerus dari
media cetak, media massa seperti radio dan televisi, serta media lainnya yang
dianggap tidak dapat berkomunikasi dengan baik
Jika kita mencar definisi cybermedia menurut para ahli, tidak ada
informasi yang jelas mengenai ahli yang menemukan atau menciptakan cybermedia
Di dalam era globalisasi yang semakin meluas, di 2023 semakin banyak
inovasi yang bermunculan baik dari segi teknologi cybermedia, mulai dari cara
kita mendapatkan informasi sampai untuk mendapatkan keperluan sehari-hari. Terutama kemudahan untuk mendapatkan
rekomendasi makanan atau minuman disaat itu juga. Menurut survei yang dilakukan
oleh katadata pada tahun 2021, alasan paling utama generasi milenial dan gen Z
dalam membeli merek lokal adalah kebanggaan terhadap buatan produk dalam negeri
(82,3%), disusul beberapa alasan lain seperti faktor harga yang terjangkau
(60,7%), rasa nyaman pada saat menggunakan brand lokal (40,2%), hingga yang
paling terakhir adalah kualitas yang dirasa sudah mampu bersaing dengan brand
global (35,5%) oleh(Peran Gen Z Dan
Milenial Terhadap Tren Merek Lokal, 2023).
PT. Sarimelati Kencana Tbk, merupakan salah satu perusahaan yang
membawahi Pizza Hut Indonesia dan Pizza Hut Delivery ini sukses menggunakan
media baru sebagai salah satu bentuk implementasi di dunia digital. Namun,
sayangnya perusahaan yang telah di akuisisi oleh PT. Sriboga Raturaya selaku
induk perusahaan ini mendapatkan beberapa isu miring terkait dengan ‘brand’
Pizza Hut, dimana masyarakat hanya mengetahui bahwa “Pizza Hut” merupakan brand
asal Amerika yang mendukung gencatan senjata pada perang Israel dan Palestina.
Adapun tidak hanya Pizza Hut saja yang menjadi pembicaraan di media
sosial, ada beberapa brand lain seperti McDonalds, KFC, Taco Bell, Starbucks,
hingga Domino’s Pizza. Yang menjadi uniqueness
disini adalah tidak banyak masyarakat Indonesia saat ini yang mengetahui
bahwa Pizza Hut Indonesia tidak ada sangkut pautnya dengan Pizza Hut luar yang
mungkin memiliki kepentingan khusus dengan fenomena tersebut.

Gambar 1. Pengguna Twitter 2023
Sumber: https://databoks.katadata.co.id/
Dalam penyebaran mengenai aksi Boikot
yang dilakukan di masyarakat melalui social media ramai diperbincangkan.
Salah satu Media Sosial yang sering dipakai dan penyebarannya cukup cepat
adalah Twitter. Pada data yang
didapatkan melalui
https://databoks.katadata.co.id/, Indonesia masuk kedalam 10 negara dengan
pengguna Twitter yang cukup tinggi di dunia. Salah satu kesulitan dalam
penelitian gerakan sosial secara digital adalah kesulitan memahami bagaimana
interaksi dan informasi membentuk bentuk gerakan sosial di Twitter
Pada bulan Oktober 2023 hingga November ini ramai dengan konflik yang
sedang terjadi di Israel-Palestina yang berdampak pada brand-brand Amerika yang
ada di Indonesia, karena dianggap sebagai pendukung atau sponsor dari Gencatan
yang dilakukan oleh Israel terhadap Palestina. Brand yang terkena dampak yang
cukup signifikan adalah KFC, Taco Bell,
Pizza Hut, McDonalds, Domino’s Pizza, hingga semua produk Unilever.
Salah satu bentuk support warganet adalah aksi Boikot terhadap brand-brand tersebut. Fokus penelitian ini adalah
brand Pizza Hut, karena sempat ramai diperbincangkan oleh warga Twitter. Penelitian ini dilakukan dengan
metode Social Analysis Network (SNA)
yang mempelajari Analitik jaringan sosial ilmu yang berfokus pada hubungan atau
relasi manusia melalui penggunaan dan pemanfaatan teori grafik.
Pada beberapa penelitian terdahulu seperti penelitian yang dilakukan
oleh
Dalam penelitian
Fokus penelitian ini adalah jaringan komunikasi dan aktor yang
menggunakan Keyword Boikot Pizza Hut
dalam platform Twitter. Yang menjadi pembeda dalam adalah management crisis
data yang hangat terjadi, isu yang terjadi pada tahun 2023 ini menjadi isu
nasional terutama pada merek-merek yang berasal pada Amerika. peneliti ingin
mengetahui berapa banyak komponen yang terbentuk, dan berapa keanggotaan aktor
dalam komponen. Tak hanya itu, peneliti ingin melihat aktor yang memiliki
relasi terbanyak, aktor yang menjadi perekat dalam jaringan serta berapa banyak
klik terbentuk dan berapa keanggotaan aktor dalam jaringan yang membahas
mengenai Boikot Pizza Hut. Dengan
melihat jaringan komunikasi diantara aktor-aktor yang ada platform tersebut,
peneliti dapat mengetahui apakah audiens melakukan perbincangan mengenai Boikot Pizza Hut melalui Twitter. Maka
dari itu, penelitian ini bertujuan untuk melihat tipe relasi dan struktur
jaringan komunikasi pada Boikot Pizza
Hut yang tentunya dilakukan oleh aktor-aktor yang ada di Twitter.
Metode
Penelitian
Penelitian ini menggunakan metode penelitian kualitatif menggunakan
pendekatan digital yaitu Social Network Analysis (SNA). Tujuan utama penelitian
kualitatif adalah untuk membuat fakta dan fenomena mudah dipahami, serta
memungkinkan untuk menghasilkan hipotesis baru menggunakan modelnya
Dalam proses pengambilan data ini, peneliti menggunakan data Twitter
melalui Keywords Boikot Pizza Hut. Periode
yang diambil dalam data ini 1 September 2023 - 30 November 2023, proses rentan
waktu pengambilan data selama 91 hari. Ketika peneliti mengumpulkan data,
terkumpul 41 tweets yang terdeteksi. Dalam penelitian ini, peneliti menggunakan Google Collab sebagai salah satu media
yang digunakan dalam penarikan data.
Saat penelitian berlangsung, Data
Google Colab kemudian diproses melalui https://nocodefunctions.com/ dalam
menganalisa sentimennya. Dalam proses visualisasi data. Visualisasi pemetaan
jaringan sosial Boikot Pizza Hut
dilakukan menggunakan perangkat lunak Gephi dan https://netlytic.org/index.php. Teknik analisis data
menggunakan Social Network Analysis (SNA),
yaitu menentukan struktur sosial dan posisi aktor utama yang berperan penting
dalam penyebaran informasi di sosial media
Dalam sebuah SNA, aktor (baik individu, kelompok, organisasi, dan
lain-lain) digambarkan sebagai titik, disebut node, sementara interaksi antar
aktor digambarkan sebagai garis, disebut edges. Kedua simbol ini digunakan
untuk mendapatkan pemahaman tentang individu atau masyarakat serta pola
interaksi sosialnya di seluruh jaringan. Dalam proses pengolahan data,
pengukuran centrality seperti degree centrality, and betweenness centrality.
Meskipun menjadi alternatif yang terbilang efektif dalam mengatur
mobilisasi massa, terdapat limitasi dalam studi gerakan sosial online di Twitter. Pertama, aktivitas dan
partisipasi online tidak bisa disamakan dengan gerakan sosial pars pro toto
atau menggunakan sebagian dari sesuatu hal untuk menyimpulkan keseluruhan
Hasil dan Pembahasan
Gerakan warga net melalui #BoikotPizzaHut merupakan gerakan persuasif
dalam perlawanan terhadap produk yang diduga teraffiliasi dengan Negara Israel.
Adapun narasi kampanye aksi boikot brand yang berasal dari Amerika ini
dilakukan netizen di media sosial. Mereka beralasan jika kita berhenti membeli
produk yang terbukti memberikan royalti kepada Israel, maka dana yang dimiliki
Israel akan berkurang sehingga oerang di Rafah mun berhenti sehingga dapat
menyelamatkan masyarakat Palestina. Gerakan tersebut dilakukan dengan
menggunakan hashtag yang kemudian beredar luas bahkan menjadi trending topik
perbincangan masyarakat di media sosial pada September - November 2023 dan
menuai kontroversi dari berbagai pihak, termasuk Fatwa Halal MUI dan LPPOM
terkahir jamanan Halal produk tersebut.
Kampanye #BoikotPizzaHut dilakukan dengan menyebarkan jaringan
provokasi dan mengajak masyarakat melalui Twitter
untuk menambah anggota akun jaringan yang dapat diakses dengan mudah
sehingga total jaringan bisa mencapai ribuan. Beberapa komunitas digital atau
akun dari organisasi komunitas, bahkan akun media juga dilibatkan dalam
jaringan ini sehingga aktor sentral dapat memperoleh suara kooperatif dari
anggota masyarakat secara online dan komunitas digital.
Hashtag ini juga dapat menyebarluaskan secara luas. Penelitian ini
menunjukkan adanya peran aktor sentral yang berusaha memprovokasi komunikas
aktor digital. Penelitian ini menggunakan data dari Twitter yang diambil dari
tanggal 1 September - 30 November 2023 yang kemudian dijadikan sebagai dataset.
Data yang dikumpulkan berupa akun, tweet, retweet, mention, reply, serta
tanggal dan waktu yang menggunakan keyword Boikot Pizza Hut.
Akun dari status pembuat akan menjadi node dan setiap tweet, retweet,
mention, dan reply akan menjadi relasi dari setiap node yang terdapat 41 tweet
yang menggunakan yang menggunakan keyword tersebut. menurut Huberman, Romero,
dan Wu dalam
Tahapan
Penelitian
Twitter memang sangat baik untuk mengatur indikator dari brand kita
melalui jaringan sosial, namun terdapat beberapa limitasi dalam proses
pengambilan datanya.

Gambar
2. Tahapan penelitian oleh peneliti
Sumber: penelitin
Pertama, partisipasi dan aktivitas cukup terbatas dengan limitasi
maksimal 100, jika lebih dari angka tersebut maka akan muncul error dalam
Google Collab tersebut. Karena itu, artikel ini hanya membahas demonstrasi
melalui keyword di Twitter sebagai salah satu contoh tindakan jaringan digital
yang merupakan bagian dari fenomena gerakan sosial yang lebih luas.

Gambar 3. Berikut raw data ketika diimplementasikan
ke Gephi
Dalam penelitian sebelumnya yaitu penelitian yang dilakukan oleh
Berdasarkan hasil penelitian diketahui bahwa diameter antara
sub-aktor dan aktor pusat adalah sebesar 1. Hal ini berarti jaringan tersebut
sangat terkoneksi, di mana setiap node dapat terhubung langsung dengan node
lainnya tanpa perlu melalui node perantara. Dengan kata lain, semua node
terhubung secara langsung, dan tidak ada node yang memerlukan lebih dari satu
langkah untuk mencapai node lainnya dalam jaringan tersebut. Karena dalam kasus
ini jarak terjauh akun media sosial dalam menjangkau akun media sosial lain
hanya 1 langkah atau node. Jarak terjauh antara dua aktor dalam jaringan
disebut diameter.
Jumlah pengguna (vertice) yang aktif berkomunikasi di Twitter dengan
tag #BoikotPizzaHut mencapai jumlah total pengguna jaringan aktif yaitu 39 Nodes dengan jumlah Edges mencapai 703. Dengan
Nilai densitasnya berasal dari derajat interaksi antar akun media sosial dalam
jaringan yaitu dengan angka 0.949.
Dengan kata lain, berarti bahwa sekitar
94.9% dari semua hubungan yang mungkin antara node dalam jaringan memang ada.
Jaringan ini sangat padat, hampir semua node terhubung dengan hampir semua node
lainnya.
Dalam penelitian ini juga ditemukan jika terdapat beberapa kelompok
yang terbentuk satu sama lain, seperti yang ditunjukkan oleh jumlah komponen
yang terhubung yang berjumlah 2. Ini karena lebih dari satu interaksi tersebar
dan tidak terkumpul. karena itu, banyak kelompok atau cluster terbentuk pada jaringan komunikasi yang berlangsung, ini
berarti ada dua kelompok node yang masing-masing terhubung di dalam kelompoknya
tetapi tidak ada koneksi antara kelompok-kelompok ini.
Saat peneliti menganalisa tahapan modularitas menunjukkan angka
0.012, yang menunjukkan bahwa banyak aktor saling tumpang tindih. Selain itu,
hasil analisis data menunjukkan bahwa modularitas yang dihasilkan relatif
rendah, sebesar 0,012. Menunjukkan perdebatan yang terjadi menggunakan word cloud Boikot Pizza Hut tampaknya
tidak umum di banyak akun Twitter,
dan mungkin juga tidak seragam. Nilai modularitas jaringan 0,012 menunjukkan bahwa jaringan tidak
memiliki struktur komunitas yang kuat atau kelompok-kelompok yang terdefinisi
dengan jelas. Sebagian besar node terhubung secara acak tanpa adanya pembagian
yang jelas ke dalam komunitas-komunitas.

Gambar
4. Visualisasi data yang telah diolah melalui Gephi untuk melihat aktor utama
dari Tweet Boikot Pizza Hut
Dalam penelitian sebelumnya yaitu penelitian yang dilakukan oleh
Nilai dari Reciprocity mendekati
1.0, yang menunjukkan nilai timbal balik yang tinggi sehingga banyak penonton
berkomunikasi dua arah. Di sisi lain, nilai timbal balik yang rendah
menunjukkan komunikasi satu arah. mengukur sejauh mana hubungan dalam jaringan
tersebut bersifat timbal balik atau dua arah
Berdasarkan hasil skor tersebut menunjukkan bahwa komunikasi dua arah
cikup tinggi, namun lebih banyak pergerakan aktor komunikasi satu arah yang
terpusat pada aktor utama untuk memancing opini publik melalui jaringa. Salah
satu yang menjadi Aktor yang memiliki interasi yang cukup tinggi dalam
postingannya ada pada Oposisi Cerdas
dan Geloraco yang merupakan sebuah
media massa yang tulisan beritanya cukup berpengaruh dalam menentukan opni
masyarakat dikala Boikot yang sedang marak diperbincangka . Dalam postingannya
banyak aktor-aktor komunitas digital di Twitter
saling meninggalkan jejak berupa komentar terkait isu Boikot yang terjadi
di Indonesia.
Pada Hastag #BoikotPizzaHut memiliki struktur jaringan yang cukup
rendah. Hal ini terlihat dari nilai modularitas total sebesar 0,012 atau indikasi kurang dari 1% dari 1.0.
Dimana modularitas angka tersebut sangat rendah, yang berarti jaringan tersebut
tidak memiliki struktur komunitas yang jelas atau kuat. Node-node di dalam
jaringan tersebut mungkin tersebar dan tidak signifikan.

Gambar 5. Visualisasi keyword di Twitter dengan
VOSviewer (nocodefunctions.com)
Kata “boikot”kerugian” memiliki frekuensi tertinggi dalam pesan. Hal
ini menunjukkan tekanan masyarakat untuk menghentikan pembelian produk yang
terbukti memiliki integrasi dengan Israel melalui Twitter begitu besar. Tentu bukan hanya aktor saja yang membangun
pesan namun juga aktor jaringan lainnya.
Dari hasil dari penelusuran posisi dominan sebagai aktor sentral
tagar (#) Boikot Pizza Hut, akun perantara @ Geloraco atau Gelora News
ditemukan memiliki pengikut sebanyak 602.8K
(enam ratus dua ribu delapan ratus) dan kemudian yang kedua ada @
OposisiCerdas dengan total pengikut 269.8K (dua ratus enam puluh sembilan ribu
delapan ratus). Kedua Akun ini merupakan akun asli media nasional yang berisi
konten tetang pemberitaan dan berfungsi sebagai media sosial yang menyampaikan
berbagai aktivitas pemberitaan yang sedang terjadi di tanah air. Ia menggunakan
beberapa keyword atau word cloud yang didalamnya menjadi sorotan happening yang
sedang terjadi, ditambah pada masa perboikotan, BDS tidak henti-hentinya
mendeklarasikan boikot pada beberapa produk tetentu. Beberapa gerakannya dan
posting di Twitter, seperti #Boikot, yang berfokus pada produk-produk yang
berasal dari Amerika. Ini adalah dasar akun sentral di #BoikotPizzaHut.
Aktor perantara tidak memiliki hubungan langsung atau kontak satu
sama lain, dengan sentralitas keterhubungan minimal 0,000. Salah satu cara
untuk terhubung dengan aktor (node) lain dalam jaringan adalah melalui hubungan
langsung atau melalui perantara. Aktor dapat berhubungan langsung dengan aktor
lainnya dengan kontak langsung.
Dalam penelitian ini, peneliti juga menemukan bahwa Nilai 37 dalam sentralitas menunjukkan bahwa
node tersebut memiliki peran signifikan dalam jaringan, baik dalam hal jumlah
koneksi langsung, pengaruh dalam aliran informasi, kedekatan dengan node lain,
atau koneksi dengan node-node penting lainnya. Makna spesifiknya bergantung
pada jenis sentralitas yang diukur.
Nilai M=1 menunjukkan komunitas yang terpisah (tanpa banyak tumpang
tindih) atau bahwa jaringan sangat terhubung secara merata. Namun, kemungkinan
overlap jaringan masih ada karena nilai modularitasnya masih di bawah 1.0.
Jumlah skor In-Degree dan Out-Degree dalam penelitian ini adalah 50,
dengan skor Out-Degree yang lebih tinggi dibandingkan In-Degree dan skor satu
yang lebih tinggi dibandingkan In-Degree. Skor 0 pada In-Degree menunjukkan
bahwa belum ada yang menghubungi atau menghubungi pelaku, sedangkan skor 1
menunjukkan hubungan (ikatan). Aktor sentral memiliki skor Out-Degree 50, yang
lebih tinggi dari skor Out-Degree aktor lainnya.
Hasilnya, para pelaku atau aktor yang terlibat dalam menjalankan misi
termasuk dalam homophile, yang mengedepankan nilai kesamaan misi yang berasal
dari sesuatu yang diberikan dan relatif, meskipun tidak selalu, tidak dapat
diubah oleh seseorang. Dengan berhenti membeli dan penghentikan brand yang
mamproduksi produk terkait dengan israel dan mengkampanyekannya melalui ajalan
dalamTwitter, nilai-nilai bersama dan
kemanusiaan dianggap adalah prioritas utama.
Hasil penelitian sebelumnya dalam
Dengan adanya pemberitaan yang berlebihan ini memunculkan beberapa
oknum yang menumbulkan sifat fanatik yang berlebihan. Fanatik pada boikot berarti menunjukkan tingkat komitmen atau
dedikasi yang sangat tinggi terhadap aksi boikot. Ini bisa melibatkan berbagai
bentuk keterlibatan, seperti aktif mempromosikan boikot, mengajak orang lain
untuk ikut serta, dan melakukan tindakan-tindakan yang konsisten dengan tujuan
boikot tersebut.
Sehingga, adapun Teori
Komunikasi Persuasi sangat relevan dalam konteks boikot, karena boikot
sering kali melibatkan upaya untuk mengubah sikap dan perilaku orang terhadap
suatu produk, perusahaan, atau kebijakan. Salah satu turunan dari teori
tersebut adalah Teori Koneksi Sosial
menjelaskan bagaimana informasi menyebar melalui jaringan sosial. Hashtag
berfungsi sebagai alat untuk menghubungkan individu dengan jaringan yang
memiliki minat atau tujuan yang sama.
Hashtag memungkinkan anggota jaringan berkomunikasi dan bekerja sama
dengan lebih baik dan memperkuat jaringan sosial yang berfokus pada boikot dan
dapat meningkatkan efek persuasi dengan memanfaatkan pengaruh teman atau kontak
dalam jaringan sosial untuk mendorong partisipasi dalam boikot. Skses Twitter yang lebih mudah dan luas
melalui hashtag dan mention. Komunikasi digital dapat membantu masyarakat
sipil. Media sosial memainkan peran penting dalam menggulingkan pemerintahan
otoriter, seperti halnya di negara-negara Islam.
Gerakan persuasif seperti tagar #BoikotPizzaHut adalah gerakan yang
dimediasi melalui media digital yang bertujuan untuk mendorong masyarakat sipil
mempengaruhi audiens agar mendukung dan berpartisipasi dalam aksi boikot. Pesan
persuasif ini biasanya dirancang untuk memengaruhi sikap, keyakinan, dan
perilaku audiens dengan menggunakan berbagai teknik komunikasi yang efektif,
serta menuntut pembubaran organisasi suatu perusahaan atau brand yang dianggap
menyimpang dari moralitas. Teknologi komunikasi dan informasi telah mengubah
faham tentaang otonomi mondern yang dianggap independen menjadi "pemain
global" yang terperangkap dalam jaringan komunikasi.
Kesimpulan
Penelitian ini menggunakan metode Social Network Analysis (SNA) untuk
menganalisis struktur jaringan komunikasi dalam aksi boikot Pizza Hut di
Twitter. Data diambil dari 1 September hingga 30 November 2023, dan hasilnya
menunjukkan bahwa Twitter digunakan sebagai sarana untuk menyebarkan informasi
dan mengorganisir aksi boikot. Analisis jaringan komunikasi Twitter mengenai
Boikot Pizza Hut menunjukkan modularitas yang tinggi, dengan banyak kelompok
atau cluster terbentuk. Sentralitas aktor juga terdistribusi secara merata.
Penyebaran word cloud Boikot Pizza Hut terkesan dimobilisasi secara berkelompok
oleh beberapa akun yang menjadi pusat retweet. Analisis ini memberikan
pemahaman yang lebih dalam tentang dinamika jaringan komunikasi di media
sosial. Untuk penelitian selanjutnya, disarankan untuk melakukan analisis lebih
lanjut terhadap konten tweet dan interaksi antar akun untuk memahami lebih
dalam dinamika jaringan komunikasi. Selain itu, juga dapat dilakukan analisis
sentimen untuk memahami respons pengguna terhadap topik Boikot Pizza Hut.
Analisis ini dapat digunakan untuk strategi komunikasi lebih lanjut di media
sosial.
BIBLIOGRAFI
Achaqie, H. N. R. (2022).
Pemanfaatan social network analysis (SNA) untuk analisis pemetaan komunikasi
pada pegawai bank syariah di Jawa Tengah: Social Network Analysis. Jurnal
Teknik Mesin, Elektro Dan Ilmu Komputer, 2(1), 42–49.
Akbar, M. A., Amril, M. A. B.,
Syahira, R., Latisha, F. R., & Jihan, N. (2022). Analisis Struktur
Jaringan Komunikasi# Seagames2022 Di Twitter Menggunakan Pendekatan Social
Network Analysis (Sna). Jurnal Studi Komunikasi Dan Media, 26(1),
1–16.
Bakry, G. N., & Kusmayadi,
I. M. (2021). Peran pers sebagai aktor gerakan digital tagar#
solidaritasuntukntt di Twitter. Jurnal Kajian Jurnalisme, 5(1),
98.
Bratawisnu, M. K., &
Alamsyah, A. (2018). Social Network Analysis Untuk Analisa Interaksi User
Dimedia Sosial Mengenai Bisnis E-Commerce (Studi Kasus: Lazada, Tokopedia Dan
Elevenia). Almana: Jurnal Manajemen Dan Bisnis, 2(2), 107–115.
Cuadrado-Gordillo, I., &
Fernández-Antelo, I. (2016). Adolescents’ perception of the characterizing
dimensions of cyberbullying: Differentiation between bullies’ and victims’
perceptions. Computers in Human Behavior, 55, 653–663.
Fadli, M. R. (2021). Memahami
desain metode penelitian kualitatif. Humanika, Kajian Ilmiah Mata Kuliah
Umum, 21(1), 33–54.
Fominaya, C. F., & Gillan,
K. (2020). Navigating the technology-media-movements complex. In Technology,
Media and Social Movements (pp. 1–20). Routledge.
Moerdijati, S. (2012).
Pengantar ilmu komunikasi. Surabaya: Revka Petra Media.
Radjah, E. G., Iriani, A.,
& Manongga, D. H. F. (2023). Analisis Terhadap Tagar# LGBT di Twitter
Menggunakan Analisis Jaringan Sosial (SNA). Jurnal Media Informatika
Budidarma, 7(1), 300–311.
Rios, S. A., Aguilera, F.,
Nuñez-Gonzalez, J. D., & Graña, M. (2019). Semantically enhanced network
analysis for influencer identification in online social networks. Neurocomputing,
326, 71–81.
Sitorus, A. M. H. (2022).
Social Network Analysis (SNA) Tentang Protes Digital Di Twitter: Studi Pada
Tagar# CabutPermenJHT56Tahun. SOSIOGLOBAL: Jurnal Pemikiran Dan Penelitian
Sosiologi, 7(1).
Sung, N., & Kim, J.
(2020). Does the internet kill newspapers? The case of South Korea. Telecommunications
Policy, 44(4), 101955.
Tayibnapis, R. G., Muqsith, M.
A., & Sembada, W. Y. (2023). Persuasive Communication Of The# BUBARKANMUI
Movement. Jurnal Wacana Politik, 8(2).
Utami, S. R., Safitri, R. N.,
& Kuncoroyakti, Y. A. (2021). Analisis jaringan dan aktor#
BatalkanOmnibusLaw di media sosial Twitter menggunakan social network analysis
(SNA). Journal of Media and Communication Science, 4(3),
135–148.
Zolkepli, I. A., &
Kamarulzaman, Y. (2015). Social media adoption: The role of media needs and
innovation characteristics. Computers in Human Behavior, 43,
189–209.
|
Copyright holder: Adienda Rheswary, Munadhil
Abdul Muqsit, Radita
Gora Tayibnapis (2024) |
|
First publication right: Syntax
Literate: Jurnal Ilmiah
Indonesia |
|
This article is licensed under: |