Isi Artikel Utama

Abstrak

Tulisan ini berusaha memetakan aktor dan relasinya dalam perkembangan sentimen dan isu SARA terhadap masyarakat Papua di Twitter. Selain itu, artikel ini juga berupaya melihat respons masyarakat Twitter terhadap sentimen SARA oleh aktor yang sudah dipetakan. Pendekatan yang digunakan dalam tulisan ini adalah pendekatan kualitatif, sementara metodenya adalah Social Network Analysis (SNA) dan metode analisis sentimen pada rentang waktu Agustus 2019 hingga Juni 2021 (Kasus Papua-Surabaya, Abu Janda-Natalius Pigai, Papua-Risma-ASN, dan Papua-TNI-Disabilitas). Persamaan yang dapat dilihat dari empat kasus rasisme yang hadir adalah adanya campur tangan multiaktor dalam setiap isu yang berkembang, seperti adanya keterlibatan negara, media, organisasi masyarakat sipil, dan aktor individu. Masing-masing aktor dapat menjadi representasi suatu lembaga yang memengaruhi pola pikir dan arah narasi yang diutarakan. Namun, sering kali aktor mewakili dirinya sendiri (alter) dan cuitan yang hadir tidak merepresentasikan golongan mana pun (anonim). Sentimen dalam temuan penelitian ini justru mendorong narasi rasisme terhadap masyarakat Papua yang harus dihentikan. Tingginya intensitas narasi rasisme yang muncul di Twitter membentuk komunitas yang sensitif terhadap konflik dan isu-isu rasial. Twitter sebagai platform yang memfasilitasi perkembangan isu sosial-politik membawa dampak yang cukup luas terhadap komposisi masyarakat yang semakin sensitif terhadap isu rasial di dunia nyata.

Kata Kunci

rasisme Papua SNA Twitter analisis sentimen

Rincian Artikel

References

  1. Abdi, A. P. (2019). Ketika Hoaks soal Papua Juga Diproduksi oleh Pemerintah. Retrieved from Tirto. https://tirto.id/ketika-hoaks-soal-papua-juga-diproduksi-oleh-pemerintah-ehSE.
  2. Anders, U. (1995). The Struggle for Democracy in Indonesia: An Actor-Structure Approach. Scandinavian Political Studies, Vol. 18, No. 3 , 133–158.
  3. Agarwal, R. V. (2020). Computational Politics. International Research Journal of Engineering and Technology (IRJET), 322–330.
  4. Kamil, A. F. (2020). Social Network Analysis Terhadap Wacana #TheSpiritOfPapua di Twitter. 1–19.
  5. CNN Indonesia. (2019). Kronologi Pengepungan Asrama Papua Surabaya Versi Mahasiswa. CNN. Retrivied 8 November 2021, from https://www.cnnindonesia.com/nasional/ 20190819072043-20-422556/kronologi-pengepungan-asrama-papua-surabaya-versi-mahasiswa.
  6. Hapsari, D. R. (2017). Jaringan Komunikasi dalam Partisipasi Gerakan Sosial Lingkungan: Studi Pengaruh Sentralitas Jaringan terhadap Partisipasi Gerakan Sosial Tolak Pabrik Semen pada Komunitas Adat Samin di Pati Jawa Tengah. Jurnal Komunikais Indonesia Volume VI, Nomor 2 , 120–128.
  7. Fauzanafi, M. (2016). Searching for Digital Citizenship: Fighting Corruption in Banten, Indonesia. ASEAS, 9(2). https://doi.org/https://doi.org/10.14764/10.ASEAS-2016. 2–7.
  8. H. Winston, P. (2004). Computational Politics. MIT Computer Science and Artificial Intelligence Laboratory, 1–3.
  9. Haq, E. U. (2020). A Survey on Computational Politics. Digital Object Identifier, 1–28.
  10. Heidarysafa.M., et.al.(2019). Women in ISIS Propaganda: A Natural Language Processing Analysis of Topics and Emotions in a Comparison with Mainstream Religious Group. Retrieved 6 July 2021, https://www.researchgate.net/publication/337855242_Women_in_ISIS_Propaganda_A_Natural_Language_Processing_Analysis_of_Topics_and_Emotions_in_a_Comparison_with_Mainstream_Religious_Group.
  11. Jati, W. R. (2016). Aktivisme Kelas Menengah Berbasis Media Sosial: Munculnya Relawan dalam Pemilu 2014. Jurnal Ilmu Sosial dan Ilmu Politik, 147–162.
  12. Jorgensen, M. W. (2017). Analisis Wacana: Teori & Metode. Yogyakarta: Pustaka Pelajar.
  13. Karlina, S. A., & N. K. Wardani.(2020). Media Online dan Diskriminasi Rasial Papua. Jurnal Ilmu Komunikasi Efek, 217–234.
  14. Ott, B. L., & Dickinson, G. (2019). The Twitter presidency: Donald J. Trump and the politics of white rage (NCA Focus on Communication Studies). New York: Routledge. Available at: https://www.taylorfrancis.com/books/mono/10.4324/9780429054259/twitter-presidency-brian-ott-greg-dickinson
  15. Longgo, Y. (n.d.). Ancaman Disintegrasi Bangsa Melalui Pemanfaatan Media Sosial. 39–52.
  16. Mussiraliyeva, S., et.al. (2021). On Detecting Online Radicalization and Extremism Using Natural Language Processing. IEEE. Retrieved 6 July 2021, from https://ieeexplore.ieee.org/document/ 9300086/authors#authors.
  17. Pla, F. (2014). Political Tendency Identification in Twitter using Sentiment Analysis Techniques. h International Conference on Computational Linguistics: Technical Papers, 183–192.
  18. Purwanto, E. (2021). Bisikan dari Balik Layar: Netnografi Strategi Bisnis Berorientasi Pasar. Journal Of Business & Applied Management, 9 (2). Retrieved 5 July 2021, from https://core.ac.uk/download/pdf/268049949.pdf+&cd=3&hl=en&ct=clnk&gl=id&client=firefox-b-d.
  19. Riana, F. (2021). Tempo.co. Retrieved 27 Juli 2021 from https://nasional.tempo.co/read/ 1488054/2-anggota-lakukan-kekerasan-ke-warga-papua-tni-au-minta-maaf.
  20. Ringsquandl, M. (2013). Analyzing Political Sentiment on Twitter. AAAI Spring Symposium, 40–47.
  21. Salma, A. N. (2019). Defining Digital Literacy in the Age of Computational Propaganda and Hate Spin Politics. The 10th IGSSCI (International Graduate Students and Scholars’ Conference in Indonesia), 323–338.
  22. Udenze, S. (2019). Challenges of Netnography as a qualitative research method. Journal Of Communication And Media Research, 11 (2). Retrieved 5 July 2021, from https://www.researchgate.net/publication/336871425_Challenges_of_Netnography_as_a_qualitative_research_method.
  23. Widyaningsih, S. N. (2020). Pembingkaian Berita Media Daring tentang Kerusuhan di Papua: Studi pada detik.com dan reuters.com pada Tahun 2019. Jurnal Pekommas, 81–90