Oleh: Ir. Munawar, PhD (Praktisi IT dan Akademisi)
Sebagai alumni IPB meski ‘murtad’ (karena tidak berkarya di sector pertanian), rasanya hati ini terusik saat ramai pemberitaan Bulog akan memusnahkan 20.000 ton beras hasil impor (https://katadata.co.id/berita/2019/12/06/bulog-buang-beras-20-ribu-ton-buah-dari-kebijakansalah-hitung-impor).
Wartapilihan.com, Jakarta— Apalagi mengingat skripsi saya justru tentang pengendalian persediaan beras Bulog yang kalau tidak salah menggunakan EOQ (Economic Order Quantity) yang dimodifikasi karena terkait beras adalah komoditas politik.
Jangan tanya lagi rumusnya ya, karena pasti sudah lupa. Lagi pula, kali ini saya juga tidak akan membahas bagaimana cara pengendalian persediaan beras, namun lebih ke arah politik beras. Kenapa politik beras? Karena fakta-faktanya menarik untuk dicermati khususnya dari data Twitter.
Saya ambil data Twitter dari tanggal 3 Des – 11 Des jam 14:00 tadi. Saat ramai beras Bulog sebanyak 20.000 Ton harus dimusnahkan karena kebijakan impor yang ugal-ugalan, muncullah tagar #TangkapEnggar. Tagar ini sempat menjadi trending topik di minggu kemarin (https://jateng.tribunnews.com/2019/12/03/tagar-tangkap-enggar-trendingtwitter-ada-apa).
Tidak terima dengan hal tersebut muncul lah tagar #BuwasBuangBeras untuk mendiskreditkan Buwas. Publik digiring untuk memahami bahwa yang membuang-buang beras adalah Buwas. Padahal Buwas lah yang menolak import beras karena stok masih melimpah ruah berhubung mendekati panen raya. Namun tetap saja Mendag Enggar ketika itu import beras gila gilaan. (https://finance.detik.com/berita-ekonomi-bisnis/d-4221153/penjelasan-lengkap-soalkeputusan-impor-beras-2-juta-ton). Dampaknya banyak stok beras menjadi rusak karena kelamaan disimpan. Tagar ini juga sempat menjadi trending topik di Twitter kemarin pagi (10 Desember 2019) sampai menjelang siang.
Para Netizen yang tidak terima kemudian melambungkan tagar #DukungBuwas dan berhasil mengalahkan tagar #BuwasBuangBeras kemarin sore. Siapa saja aktor yang bermain dalam pertempuran tagar tersebut? Untuk menjawab hal ini, digunakan SNA (Social Netowrk Analyzer) yaitu teknik untuk identifikasi pola interaksi dan entitas yang berpengaruh dalam percakapan di media social berdasarkan teori graph. Dengan teknik ini bisa bermanfaat dalam membaca dinamika interaksi antar pengguna jejaring sosial sebab posisi relatif dengan aktor lain dapat dikenali skala dan perspektifnya.
Keterlibatan Robot (Bot)
Ada fenomena menarik dari data kemarin. Tagar #BuwasBuangBeras nampaknya dinaikkan dalam jumlah besar di sekitar jam 10:00. Dalam waktu yang hampir berdekatan (hanya selisih millisecond) status yang dimulai dengan asikincantik dengan variasi nama kota mendominasi sehingga tagar ini langsung melejit dalam waktu singkat.
Sebagai developer, pola seperti ini bisa diotomatiskan menggunakan aplikasi atau istilah kekinian adalah bot. Yang menarik adalah pola ini agak berbeda dengan pola saat pilpres kemarin dimana bot saat pilpres ditandai dengan status yang sama di blast pada saat yang sama oleh banyak akun. Pada kondisi kemarin, polanya sedikit diubah dengan menambahkan berbagai macam kota agar kelihatannya dilakukan oleh akun beneran bukan bot. Baru setelah mulai mendapatkan perhatian, para buzzer (pendengung) mulai meramaikannya dengan melakukan retweet agar menjadi viral.
Analisis SNA
Dari hasil analisis SNA Nampak bahwa dinaikkannya tagar #BuwasBuangBeras (warna biru) adalah dalam rangka memecah tagar #TangkapEnggar. Bisa dilihat warna biru menyebar kemana-mana. Hanya sayang keburu diketahui oleh netizen sehingga dinaikkanlah tagar #DukungBuwas (warna abu-abu). Lihat betapa solidnya warna abu-abu (#DukungBuwas) dalam rangka mengcounter warna biru (#BuwasBuangBeras).
Dari sini juga terlihat betapa warna biru belum begitu mewarnai wilayah hijau (#TangkapEnggar). Dengan demikian upaya untuk memudarkan tagar #TangkapEnggar belum terlihat efektif. Apakah dalam 2-3 hari ke depan masih ada upaya kesana? Mari sama-sama kita lihat..
Lalu siapa saja aktor-aktor yang berpengaruh dalam interaksi di atas? Silahkan dilihat kembali pada SNA yang sudah diberi label. Semakin besar label berarti semakin berpengaruh dalam interaksi tersebut.
