JURNAL STUDI KOMUNIKASI DAN MEDIA

ISSN: 1978-5003 e-ISSN: 2407-6015

ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI

TWITTER MENGGUNAKAN PENDEKATAN SOCIAL NETWORK ANALYSIS
(SNA)
ANALYSIS OF THE #SEAGAMES2022 COMMUNICATION NETWORK
STRUCTURE ON TWITTER USING THE SOCIAL NETWORK ANALYSIS (SNA)
APPROACH
M Aulia Akbar1, Masniarara Aziza Balfas Amril2, Raiza Syahira3, Fahrein Rachel Latisha4,
Noor Jihan5
Universitas Padjadjaran
Jl. Raya Bandung Sumedang KM.21, Jawa Barat, Indonesia
[email protected]

Diterima tgl. 11/06/2022; Direvisi tgl. 10/12/2022; Disetujui tgl. 15/12/2022

ABSTRACT
The Southeast Asian Games (SEA Games) is a competition event in the field of sports involving countries in
the Southeast Asian region. Twitter users participated in enlivening the SEA Games 2022 event by uploading
tweets with a special hashtag for this event, namely #SEAGames2022. The lack of research on
communication networks regarding entertainment is the reason why this research was conducted. The
research method used is Social Network Analysis (SNA) which focuses on relationship research and is used
to measure a relationship and describe some information from individuals through a platform called Netlytic.
The results of the study show that this communication network has a two-mode relationship type, three types
of network patterns, namely Wheel, Y, and Chain communication patterns, and the relationships of the
network are direct. This research also shows that there is a main actor, namely @greyspolii with a degree
centrality value of 6.08 and the relationship between actors in this communication network is very close.
Keywords: #SEAGames2022, Actor, Communication Network, Social Network Analysis (SNA), Twitter

ABSTRAK
Pesta Olahraga Asia Tenggara atau Southeast Asian Games (SEA Games) merupakan ajang perlombaan di
bidang olahraga yang melibatkan negara-negara yang berada di kawasan Asia Tenggara. Para pengguna
Twitter ikut memeriahkan acara SEA Games 2022 dengan mengunggah tweet dengan hashtag khusus yaitu
#SEAGames2022. Minimnya penelitian mengenai jaringan komunikasi mengenai hiburan menjadi alasan
mengapa penelitian ini dilakukan. Metode penelitian yang digunakan adalah Social Network Analysis (SNA)
yang berfokus pada relationship research dan digunakan untuk mengukur suatu hubungan dan
menggambarkan beberapa informasi dari individu melalui aplikasi Netlytic. Hasil dari penelitian
menunjukkan bahwa jaringan komunikasi ini memiliki tipe relasi two mode, tiga jenis pola jaringan yaitu
pola komunikasi roda, Y, dan rantai, serta relasi dari jaringan bersifat langsung dan memiliki arah. Penelitian
ini juga menunjukkan bahwa terdapat aktor utama, yaitu @greyspolii dengan nilai degree centrality 6.08
serta hubungan antar aktor dalam jaringan komunikasi ini sangat dekat.
Kata Kunci: #SEAGames2022, Aktor, Jaringan Komunikasi, Social Network Analysis (SNA), Twitter

1. PENDAHULUAN
Pesta Olahraga Asia Tenggara atau Southeast Asian Games (SEA Games) merupakan ajang
perlombaan di bidang olahraga yang melibatkan negara-negara yang berada di kawasan Asia
Tenggara. SEA Games juga diadakan setiap dua tahun sekali dan berganti tuan rumah. Edisi
terakhir perhelatan olahraga ini yaitu SEA Games XXXI tahun 2021 diadakan di Hanoi, Vietnam.
Sempat ditunda, akhirnya SEA Games edisi XXXI diselenggarakan pada tanggal 12 hingga 23 Mei
2022. Ajang olahraga SEA Games 2022 yang diselenggarakan pada 12-23 Mei 2022 ini tentu
menjadi perbincangan hangat di masyarakat, khususnya di antara kalangan masyarakat Asia
Tenggara, tidak terlepas Indonesia. Penantian masyarakat selama kurang lebih 6 (enam) bulan
mengenai SEA Games akhirnya terbayarkan, dimana seharusnya ajang olahraga terbesar se-Asia

DOI: 10.17933/jskm.2022.4780 1
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

Tenggara ini dilaksanakan pada 21 November hingga 2 Desember 2021, namun hal tersebut
ditunda akibat pandemi COVID-19. Penundaan tersebut menjadi awal mula maraknya
perbincangan mengenai SEA Games 2022 di masyarakat.
Perbincangan terkait SEA Games 2022 di antara masyarakat terjadi baik secara langsung
maupun secara online melalui media sosial, salah satunya adalah Twitter. Twitter menjadi media
sosial yang sangat populer dan diyakini dapat membentuk hingga memperluas jaringan sosial (Chai
& Kim, 2012). Kesederhanaan dari Twitter ini menjadikannya sebagai media sosial yang sering
digunakan untuk melaporkan peristiwa terkini (Grandjean, 2016), seperti perhelatan SEA Games
2022. Platform ini digunakan oleh masyarakat sebagai salah satu upaya untuk memberikan
dukungan bagi para atlet yang tengah mewakili Indonesia pada kompetisi tersebut dengan
menyuarakannya melalui hashtag #SEAGames2022 pada jaringan komunikasi. Jaringan
komunikasi merupakan sebuah analisis yang menjelaskan sebuah hubungan dan relasi antar
individu atau aktor di suatu jaringan (Miftakhul et al., 2020).
Social Network Analysis merupakan ilmu yang berfokus pada hubungan atau relasi manusia
melalui penggunaan dan pemanfaatan teori grafik (Samatan, Fatoni, & Murtiasih, 2020).
Penggambaran Social Network Analysis dapat dilihat melalui presentasinya terhadap suatu jaringan
dimana penyebaran informasi pada jaringan komunikasi didasarkan atas dua hal penting yakni
aktor (node) dan relasi (edge). Pengeksplorasian hubungan antar aktor dapat diteliti lebih dalam
dan dapat terlihat secara jelas melalui visualisasi yang didapatkan sehingga dapat memberikan
informasi yang faktual dan akurat untuk sesuai dengan kepentingan pengguna (Utami, Safitri, &
Kuncoroyakti, 2021).
Penelitian terdahulu mengenai jaringan komunikasi menganalisis mengenai cyberbullying di
Korea Selatan dengan menggunakan Text Mining dan Metode Social Network Analysis (SNA).
Hasil dari penelitian tersebut juga menyatakan bahwa Sentralitas derajat bekerja paling efektif
(Choi et al., 2021). Pada penelitian ini, peneliti juga akan menggunakan sentralitas derajat sebagai
salah satu tahapan analisis data. Selain itu, penelitian yang dilakukan oleh Anesstha dan Fatoni
(2020), juga menggunakan metode SNA yang memperlihatkan bahwa terdapat jaringan komunikasi
antara aktor dan relasi yang membahas mengenai hashtag #TetapDukungPSBB (Anestha & Fatoni,
2020). Penelitian lain yang dilakukan oleh Utami, Sagitru dan Kuncoroyakti (2021), membahas
mengenai hashtag #BatalkanOmnibuslaw yang memperlihatkan bahwa jaringan komunikasi pada
hashtag tersebut terdapat aktor utama yang memiliki popularitas yang tinggi dalam menyebarkan
sebuah topik. Aktor tersebut memiliki banyak relasi yang dapat mempengaruhi akun lain
(Bratawisnu & Alamsyah, 2018). Dengan adanya beberapa penelitian terdahulu yang menggunakan
SNA, tentu peneliti dapat melihat aktor yang menyebarkan tweet #SEAGames2022 dengan melihat
derajat sentralitas yang terdiri dari Degree Centrality, Closeness Centrality, dan Betweenness
Centrality. Selain itu, keberadaan aktor suatu jaringan dapat diidentifikasi melalui indegree dan
outdegree. Maka dari itu, aktor dan jaringan memiliki peran yang cukup kuat untuk menyebarkan
informasi.
Berdasarkan penelitian-penelitian yang telah dilakukan mengenai jaringan komunikasi di
Twitter, terdapat research gap dimana beberapa penelitian terdahulu lebih banyak membahas dan
menganalisis mengenai regulasi dan kebijakan pemerintah dimana hal tersebut tentunya menjadi
trending topic. Penelitian mengenai jaringan komunikasi yang membahas mengenai hiburan
(entertainment) terkhusus olahraga jarang dilakukan sebelumnya sehingga peneliti memilih
#SEAGames2022 untuk melihat jaringan komunikasi yang dilakukan oleh aktor-aktor yang ada
pada platform Twitter. Saat penelitian, topik SEA Games tengah hangat diperbincangkan dan
sempat menjadi trending topic di Twitter saat perhelatan tersebut tengah berlangsung yang

2
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

membuat peneliti ingin melihat komentar para pengguna Twitter mengenai perhelatan tersebut agar
dapat melihat feedback dari audiens.
Fokus penelitian ini adalah jaringan komunikasi dan aktor yang menggunakan
#SEAGames2022 dalam platform Twitter. 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 SEA Games 2022. Dengan melihat jaringan komunikasi diantara aktor-aktor yang ada
platform tersebut, peneliti dapat mengetahui apakah audiens melakukan perbincangan mengenai
SEA Games 2022 melalui hashtag yang ada di Twitter. Maka dari itu, penelitian ini bertujuan
untuk melihat tipe relasi dan struktur jaringan komunikasi pada hashtag #SEAGames2022 yang
tentunya dilakukan oleh aktor-aktor yang ada di Twitter.
Dalam melakukan penelitian analisis jaringan salah satu teori yang kerap digunakan peneliti
adalah teori graf (Bakry & Kusmayadi, 2021). Teori Graf dalam ilmu matematika juga dapat
digunakan untuk meneliti sebuah penelitian sosial, teori ini dapat menggambarkan karakteristik
dari sebuah jaringan sosial dalam bentuk grafik (Stephen Borgatti et al., 2018). Teori Graf
digunakan untuk mengetahui sebuah hubungan dan peran dari para aktor dalam suatu jaringan
hingga dapat memperlihatkan visualisasi dalam bentuk sebuah diagram relasi serta dapat
memberikan visualisasi diagram relasi dari sebuah jaringan sosial (Bakry & Kusmayadi, 2021).
Pendekatan diantara nodes dalam sebuah jaringan dapat digambarkan dengan teori Graf.
Borgatti, Everett, & Johnson (2013) menyebutkan bahwa sebuah diagram jaringan sosial
memiliki dua komponen utama, yaitu aktor atau titik (node) dan relasi (edge) yang menghubungkan
dan membentuk sebuah simpul (Stephen Borgatti et al., 2018). Relasi dalam analisis jaringan sosial
merupakan sebuah hubungan sosial didalamnya terdapat simpul dan ikatan. Dalam teori ini,
simpul-simpul yang terbentuk dapat disebut dengan edges, link, dan connections. Aktor (node)
merupakan bersifat sebagai individu atau sebuah lembaga yang terdapat dalam suatu jaringan dan
relasi (edge) merupakan sebuah hubungan yang terjadi antara satu aktor dengan aktor lainnya.
Dalam teori Graf terdapat konsep utama yang disebut path atau jalur (Stephen Borgatti et al.,
2018) Implementasi dari Teori Graf dalam sebuah penelitian jaringan komunikasi dapat
memberikan gambaran dari para aktor yang terhubung dalam sebuah jaringan sosial (Bakry, 2020).
Teori ini sangat penting dalam memperlihatkan karakteristik dari suatu jarangan untuk nantinya
dapat menentukan aktor kunci dari jaringan tersebut. Dalam sebuah teori jaringan, terdapat lima
konsep penting yang perlu diperhatikan. Pertama adalah relasi antara aktor satu dengan lainnya
memiliki peran satu sama lain dan terhubung. Kedua, relasi antar aktor tersebut perlu dikaji lebih
luas. Ketiga, relasi yang terjadi diantara aktor akan membentuk berbagai pola. Keempat, relasi
asimetris dalam sebuah jaringan menyebabkan adanya ketidakmerataan distribusi sumber daya.
Kelima, relasi yang tidak merata diantara aktor dapat memunculkan kompetisi hingga kerjasama di
antara mereka (Utami, 2018). Adanya teori Graf ini dalam penelitian sosial dianggap penting oleh
para peneliti sehingga banyak peneliti menggunakan teori ini untuk menggambarkan pola
komunikasi dari seuatu jaringan sosial dari sebuah fenomena sosial di masyaraka (Bakry, 2020)

2. METODE PENELITIAN
Metode penelitian yang digunakan dalam penelitian yaitu Metode Social Network Analysis
(SNA). Social Network Analysis atau yang dikenal (SNA) merupakan salah satu metode analisis
dalam studi yang berkonsentrasi pada relationship research dan sering digunakan untuk mengukur
suatu hubungan dan menggambarkan beberapa informasi dari individu (Kurniawan, Iriani, &
Manongga, 2020). Dengan kata lain, SNA juga dapat digunakan untuk memahami hubungan dan

3
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

struktur dalam jaringan. Pendekatan SNA digunakan untuk mengetahui struktur jaringan sosial dan
posisi utama yang ada pada suatu jaringan. Dengan kata lain, metode SNA juga digunakan untuk
menganalisis relasi atau hubungan antar aktor dalam suatu jaringan sosial. Metode ini juga
digunakan untuk memberikan informasi mengenai struktur dan pola jaringan serta intensitas relasi
antar aktor pada suatu jaringan (Bakry & Kusmayadi, 2021). Permasalahan dalam penelitian ini
adalah untuk mengetahui visualisasi jaringan yang terbentuk dengan hashtag #SEAGames2022 di
platform twitter. Maka dari itu, metode Social Network Analysis (SNA) digunakan untuk
menyelesaikan permasalahan mengenai SEA Games dan mengetahui peran sentralitas para aktor
yang terlibat.
Populasi dalam penelitian ini merupakan semua tweet yang menggunakan hashtag
#SEAGames2022. Sampel dari penelitian ini yaitu mencakup semua tweet dengan hashtag
#SEAGames2022 selama 7 hari kebelakang. Teknik pengambilan sampel dalam penelitian ini
menggunakan software analisis bernama Netlytic. Peneliti menggunakan Netlytic untuk
mendapatkan sampel selama 7 hari terakhir tweet menganai #SEAGames2022 di Twitter dengan
rentang waktu untuk pengambilan sampel sendiri terhitung sejak tanggal 17 Mei- 23 Mei 2022.
Proses pengumpulan data penelitian terbagi menjadi dua langkah. Langkah pertama yakni
peneliti menggunakan teknik text mining pada Twitter developer dengan menggunakan hashtag
#SEAGames2022 untuk mengumpulkan data. Text mining merupakan proses pengumpulan
informasi yang berasal dari teks yang tidak memiliki struktur (Dang & Ahmad, 2014). Dengan
menggunakan text mining, peneliti dapat mengetahui secara keseluruhan data mengenai pengguna
akun Twitter yang menulis dan menggunakan hashtag #SEAGames2022 pada tweet, retweet,
mention dan reply pada akun mereka yang tidak terstruktur jelas. Setelah melakukan text mining,
langkah selanjutnya yaitu peneliti melakukan processing data dimana setelah data-data terkait
dengan hashtag #SEAGames2022 terkumpul, data tersebut dievaluasi sehingga data yang terkait
dengan hashtag dan keyword #SEAGames2022 yang ada relevan dengan permasalahan penelitian.
Setelah melakukan pemrosesan data penelitian, langkah selanjutnya yang dilakukan peneliti
yaitu analisis data. Dalam analisis data, terdapat dua tahapan. Tahapan pertama peneliti
menggunakan aplikasi berbasis web yaitu Netlytic.org. Netlytic digunakan untuk menganalisis teks
dan jaringan sosial berbasis awan yang secara otomatis dapat meringkas data teks dan menemukan
jaringan komunikasi dari postingan orang-orang pada media sosial. Tahapan kedua yaitu
menggunakan nilai sentralitas (Degree Centrality, Closeness Centrality, dan Betweenness
Centrality). Derajat sentralitas sendiri merupakan bentuk pengukuran dari jumlah koneksi yang
dimiliki untuk melihat para aktor yang berdiskusi dan menggunakan #SEAGames2022. Rencana
analisis lain yang digunakan yaitu analisis pada level sistem (tipe relasi jaringan). Bentuk analisis
data pada analisis level sistem ini terdiri dari tipe relasi, pola relasi hingga hubungan jaringan. Tipe
relasi jaringan ini digunakan untuk melihat pola komunikasi dan hubungan para aktor mengenai
#SEAGames2022.

4
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

3. HASIL DAN PEMBAHASAN

Penelitian ini menggunakan data dari Twitter yang diambil dari tanggal l7-23 Mei 2022 yang
kemudian dijadikan sebagai dataset. Data yang dikumpulkan berupa akun, tweet, retweet, mention,
reply, serta tanggal dan waktu yang menggunakan hashtag #SEAGames2022. Akun dari status
pembuat akan menjadi node dan setiap tweet, retweet, mention, dan reply akan menjadi relasi dari
setiap node yang terdapat 9995 tweet yang menggunakan #SEAGames2022. Berikut merupakan
hasil kumpulan data #SeaGames2022:

Nama kumpulan data : Sea Games 2022

Pembaruan terakhir kumpulan data : 23 Mei 2022 pukul 08:29:51
Sumber kumpulan data : Twitter
Total pesan : 9995
Poster unik : 6208

3.1. Tipe Relasi

Dari hasil data penelitian, diketahui bahwa jenis tipe relasi dari penelitian in adalah two
mode. Jaringan two mode adalah jaringan yang didalamnya terdapat aktor atau node dengan jenis
yang berbeda atau memiliki termasuk kedalam klasifikasi jenis akun yang berbeda. Dimana dalam
jaringan two mode tidak hanya terdapat individu saja, melainkan terdapat lembaga resmi juga yang
ikut termasuk dalam jaringan tersebut (Bakry, 2020). Dalam penelitian ini terdapat aktor yang
sebagai individu turut aktif dan juga terdapat aktor yang berasal dari sebuah komunitas atau
lembaga resmi seperti @iblindonesia dan @bigetronesports.

3.2. Pola Relasi

Gambar 1. Pola Relasi dalam #SeaGames2022

Berdasarkan sociogram terkait #SEAGames2022 ditemukan bahwa terdapat tiga jenis pola
jaringan komunikasi yang tersebut, pola tersebut diantaranya adalah pola komunikasi roda, pola
komunikasi Y dan pola komunikasi rantai. Pola jaringan komunikasi roda (radial personal
network) merupakan sebuah pola yang menunjukkan komunikasi dari sebuah node atau aktor yang
berperan sebagai pusat dari informasi dalam sebuah jaringan komunikasi (Bakry, 2020). Pola
komunikasi roda diketahui lebih efektif dilakukan pada proses pertukaran pesan atau informasi.
Dari hasil data sociogram diatas, aktor utama atau yang memiliki peran penting atau sebagai aktor
pusat dalam rangka pemberian informasi dalam jaringan ini adalah @greysiapolii,
@faktasepakbola, @hopefulticke dan beberapa akun Twitter lainnya. Hasil tersebut menunjukkan
bahwa dalam jaringan pola komunikasi roda terdapat aktor utama atau aktor pusat yang menjadi

5
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

sumber atau berperan sebagai pemberi informasi. Keberadaan pola jaringan roda tersebut juga
menunjukkan bahwa jaringan komunikasi pada penelitian ini memiliki kohesivitas yang rendah,
dimana para aktor yang terlibat dalam jaringan ini tidak saling mengenal dan hanya menerima
menerima pesan dari beberapa aktor utama seperti @greysiapolii dan beberapa akun yang telah
disebutkan sebelumnya. Selain itu dalam pola jaringan roda yang terbentuk dalam penelitian ini
menunjukkan bahwa hubungan dalam penelitian ini bersifat asimetris, dimana informasi yang
dibagikan dalam penelitian ini tidak membutuhkan umpan balik kepada aktor utama namun
informasi dapat tersebar dengan baik kepada jaringan komunikasi tersebut.
Selanjutnya terdapat pola komunikasi Y yang merupakan pola komunikasi dimana terdapat
tiga orang aktor yang berkomunikasi, namun hanya terdapat dua orang yang dapat melakukan
komunikasi dengan orang lain disampingnya (Mendrofa & Syafii, 2019). Dari hasil sociogram ini
dapat terlihat beberapa bentuk pola komunikasi Y, seperti yang dilakukan oleh akun @kliktimes
bersama dengan akun @jwater, @msglowformen dan @msglowformenid dan beberapa bentuk pola
jaringan Y lainnya. Jaringan tersebut menunjukkan bahwa akun @kliktimes hanya dapat
berkomunikasi dengan @jwater dan @msglowformen pada waktu yang sama.
Pola komunikasi yang terakhir pada penelitian ini adalah pola komunikasi rantai. Pola
komunikasi rantai menunjukkan bahwa aktor dalam jaringan tersebut hanya menyampaikan
informasi kepada aktor di sebelahnya saja dan aktor lainnya akan meneruskan informasi tersebut
kepada aktor lain selanjutnya yang berada di sebelahnya (Mendrofa & Syafii, 2019). Dalam
jaringan sociogram diatas terdapat salah satu contoh jaringan rantai yang dibentuk oleh akun
@hiroshiahmad12, @infopku dan @robyparman. Dalam jenis jaringan komunikasi rantai,
informasi akhir yang diterima oleh aktor terakhir seringkali terjadi secara tidak akurat, sehingga
terdapat perubahan dari informasi awal hingga sampai kepada penerima akhir. Selain itu pada
jaringan ini hasil penelitian ini, jaringan rantai cukup mendominasi namun berada diluar jaringan
utama.

3.3. Hubungan Jaringan

Terdapat dua jenis hubungan atau arah relasi jaringan, yaitu relasi yang bersifat langsung dan
tidak langsung. Relasi yang bersifat langsung merupakan relasi yang memiliki arah hubungan
(directed), dimana terdapat aktor yang bertindak sebagai pengirim dan penerima informasi.
Sedangkan relasi yang bersifat tidak langsung tidak memiliki arah hubungan (undirected), dimana
kedua aktor dianggap memiliki peran yang sama (Bakry, 2020). Hasil penelitian ini menunjukkan
bahwa relasi jaringan bersifat langsung atau memiliki arah, dimana terdapat aktor yang berperan
sebagai pengirim informasi yang berada di pusat pola jaringan, sedangkan aktor yang menerima
informasi berada di sekitarnya yang merupakan karakteristik dari pola komunikasi roda (Bakry &
Kusmayadi, 2021).

Tabel 1. Degree Centrality

No. Aktor Degree In-Degree Out-Degree

1. greyspolii 608 608 0
2. faktasepakbola 503 503 0
3. hopefultickle 414 414 0
4. bodyguardatlet 298 295 3
5. iblindonesia 267 267 0

6
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

Lanjutan Tabel 1. Degree Centrality

No. Aktor Degree In-Degree Out-Degree

6. ainurohman 225 225 0
7. bigetronesports 199 199 0
8. bhulukhudutkv 196 195 1
9. alfianto_ian 155 154 1
10. goodmintonfinly 132 130 2

Data yang ditunjukkan dalam Tabel 1 merupakan 10 (sepuluh) aktor dengan nilai degree
centrality tertinggi. Akun @greyspolii menjadi aktor paling dominan, dengan perolehan nilai
degree centrality serta In-Degree sebesar 608, hal ini menunjukkan bahwa akun @greyspolii
memiliki 608 hubungan dengan akun lainnya serta di-mention, retweet dan di-reply tweet-nya
sebanyak 608 kali oleh pengguna Twitter lainnya. Selain itu, nilai outdegree centrality
@bodyguardatlet berjumlah 3, dimana akun tersebut melakukan mention, reply, serta me-retweet
akun lainnya hanya sebanyak 3 kali.
Tabel 2. Closeness Centrality

No. Aktor Closeness

1. bodyguardatlet 1.0
2. goodmintonfinly 1.0
3. mediansportcom 1.0
4. dejean00 1.0
5. chesscomid 1.0
6. lzj2903 1.0
7. astroarena 1.0
8. iiiiphi 1.0
9. flashsukan 1.0
10. priaw33 1.0

Data yang dipaparkan pada Tabel 2 menunjukkan bahwa pada jaringan hashtag
#SEAGames2022 terdapat 10 aktor yang memiliki nilai closeness centrality sebesar 1.0. Hal ini
menunjukkan bahwa aktor-aktor tersebut memiliki kedekatan dengan aktor lainnya, dimana
semakin nilai closeness centrality mendekati angka 1.0, maka semakin dekat aktor tersebut dengan
aktor lain yang berada di dalam jaringan tersebut. Sehingga ketika akun tersebut mengunggah tweet
atau informasi akan tersebar dengan cepat.
Tabel 3. Betweenness

No. Aktor Betweenness

1. bodyguardatlet 748.5
2. ametakira 439.0
3. goodmintonfinly 136.0

7
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

Lanjutan Tabel 3. Betweenness

No. Aktor Betweenness

4. mediansportcom 89.0
5.. aewin86 70.0
6. dejean00 70.0
7. chesscomid 68.0
8. lzj2903 52.0
9. astroarena 49.0
10. iiiiphi 43.0

Berdasarkan tabel di atas, sentralitas keperantaraan aktor dengan nilai tertinggi ialah
@bodyguardatlet yang menunjukkan angka 748.5 dimana hal ini membuktikan bahwa
@bodyguardatlet menjadi aktor yang memiliki pengaruh dalam penyebarluasan informasi atau
aktor kunci serta menjadi penghubung. Hal tersebut juga berarti setiap hashtag #SeaGames2022
yang digunakan aktor sebelumnya telah melalui @bodyguardatlet. Berikutnya, akun dengan nilai
betweenness centrality yang tinggi adalah @ametakira dan @goodmintonfinly dimana masing-
masingnya memiliki nilai 439.0 dan 136.0, yang membuktikan bahwa akun tersebut bisa menjadi
akun yang berperan sebagai penghubung bagi akun lain yang terletak di jaringan #SEAGames2022.
Akun-akun tersebut, @bodyguardatlet, @ametakira, dan @goodmintonfinly, dapat dikatakan
sebagai akun yang mengetahui berbagai informasi penting yang berkaitan dengan
#SEAGames2022. Dengan demikian, penyaringan informasi yang disesuaikan dengan aktor
lainnya dapat dilakukan oleh ketiga aktor tersebut. Pengukuran dan visualisasi betweenness
centrality #SeaGames2022 dilakukan dengan penggunaan software Netlytic seperti berikut:

1. Diameter Jaringan

Gambar 2. Diameter Jaringan yang Terbentuk pada pembicaraan #SEAGames2022

Jarak paling jauh antara dua jaringan dihitung oleh diameter. Ukuran jaringan yang
dilakukan melalui perhitungan jumlah node yang dibutuhkan untuk melakukan perpindahan
dari satu sisi ke lainnya menggunakan diameter. Diameter dengan besar 23 terdeteksi dalam
hashtag #SEAGames2022. Hal tersebut berarti banyaknya path yang paling besar antara 2
node dalam suatu jaringan yang terdapat pada hashtag #SEAGames2022 adalah 23

8
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

2. Sentralisasi Jaringan

Gambar 3. Sentralisasi Jaringan yang Terbentuk pada pembicaraan #SEAGames2022

Rata-rata sentralitas derajat dari seluruh node yang berada dalam jaringan diukur oleh
sentralisasi. Dalam suatu jaringan, jika terdapat beberapa partisipan inti yang mayoritas aliran
informasi di dalam jaringan, maka akan menunjukkan nilai mendekati 1 yang berarti nilai
sentralisasi yang tinggi. Informasi akan tersalurkan secara lebih bebas di antara berbagai
peserta saat desentralisasi terjadi apabila nilai sentralisasi rendah (mendekati 0). Tingkat
jumlah orang yang berpartisipasi dalam penyebaran informasi dan diskusi memiliki nilai yang
lebih dekat ke 0 dan jaringan yang menjadi mayoritas oleh beberapa peserta inti atau nilainya
mendekati 1 merupakan apa yang dimaksud dengan sentralisasi. Nilai sentralisasi yang
diperoleh dalam penelitian ini ialah 0.064690. Dengan demikian, sentralisasi yang terdapat di
jaringan #SEAGames2022 cenderung mendekati angka 0 sehingga informasi mengenai
#SEAGames2022 disampaikan oleh jumlah orang yang banyak dan peserta pusat tidak
menjadi mayoritasnya.

3. Timbal Balik Jaringan

Komunikasi secara dua arah atau yang biasa disebut sebagai hubungan timbal balik yang
berkaitan dengan jumlah ikatan atau hubungan yang ada ditunjukkan oleh skala ikatan yang
merupakan reciprocity. Jumlah hubungan timbal balik yang terletak di kaitan reciprocity
dengan jumlah seluruh hubungan dalam jaringan diukur melalui timbal balik jaringan ini.
Banyaknya peserta yang melakukan komunikasi secara dua arah ditunjukkan melalui nilai
yang tinggi, sedangkan banyaknya percakapan sepihak ditunjukkan oleh nilai reciprocity yang
rendah. Hal tersebut menyebabkan sedikitnya percakapan timbal balik yang terjadi. Penelitian
yang dilakukan menghasilkan nilai reciprocity sebanyak 0.003644. Tingginya nilai timbal
balik tidak ditemukan pada orang-orang yang melakukan cuitan, berdasarkan jaringan
komunikasi yang terdapat pada hashtag #SEAGames2022 yang telah ditunjukkan pada
gambar.

9
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

Gambar 4. Timbal Balik Jaringan yang Terbentuk pada pembicaraan #SEAGames2022

4. Modularitas Jaringan

Gambar 5. Modularitas Jaringan yang Terbentuk pada pembicaraan #SEAGames2022

Modularity atau modularitas dalam analisis ini digunakan untuk menentukan apakah
cluster yang ditemukan mewakili komunitas berbeda dalam sebuah jaringan. Nilai modularitas
lebih tinggi menunjukkan bahwa pembagian bersifat jelas antara komunitas yang terwakili
oleh cluster di aplikasi Netlytic. Nilai modularitas yang tergolong rendah, dalam data ini
bernilai kurang dari 0,5, menunjukkan bahwa cluster terlihat tumpang tindih, maksud dari hal
tersebut adalah jaringan tersebut lebih banyak terdiri dari kelompok inti node. Modularitas
memperkirakan apakah jaringan tersebut terdiri dari satu kelompok peserta yang bersifat
koheren, terlibat dalam percakapan yang sama serta saling memperhatikan (nilai modularitas
mendekati 0) atau apakah jaringan terdiri dari percakapan berbeda serta komunitas tumpang
tindih (nilai modularitas mendekati 1). Pada penelitian ini, nilai dari modularitas data adalah
0.806800, dimana jaringan terdiri dari kelompok yang tidak bersifat tumpang tindih serta
dilakukan oleh aktor yang tidak memberikan perhatian antara satu sama lain.

10
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

5. Densitas Jaringan

Gambar 6. Densitas Jaringan yang Terbentuk pada pembicaraan #SEAGames2022

Densitas atau kepadatan merupakan perhitungan proporsi ikatan yang telah ada dengan
jumlah total ikatan yang mungkin ada dalam sebuah jaringan, dihitung dengan membagi
jumlah ikatan yang telah ada dengan jumlah ikatan yang kemungkinan ada. Densitas dapat
memvisualisasikan seberapa dekat peserta dalam sebuah jaringan. Nilai densitas dapat
melengkapi diameter, karena kedua hal tersebut menilai seberapa cepat aliran informasi
mengalir. Semakin dekat nilai densitas dengan angka 1, maka semakin erat percakapan dimana
terlihat bahwa peserta sedang berbicara dengan banyak pengguna lain. Sebaliknya, ketika nilai
densitas mendekati angka 0, menunjukkan tidak ada yang terhubung dengan orang lain dalam
jaringan. Pada penelitian ini, angka densitas jaringan adalah 0.000258. Hal ini menunjukkan
bahwa data mendekati angka 0, berarti aktor-aktor dalam hashtag #SEAGames2022 tidak
memiliki hubungan.

6. Aktor yang Berperan dalam Jaringan Komunikasi

Dalam jaringan sosial #SEAGames2022, terdapat beberapa aktor kunci yang memiliki
nilai degree centrality tertinggi. Para aktor tersebut membuat tweet yang berisikan feedback
bagi pelaksanaan acara SEA Games 2022. Berikut merupakan beberapa tweet yang diunggah
oleh para aktor kunci.

11
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

- @greyspolii

Gambar 7. Tweet dari aktor kunci jaringan #SEAGames2022, @greyspolii.

- @faktasepakbola

Gambar 8. Tweet dari aktor kunci jaringan #SEAGames2022, @faktasepakbola.

- @bodyguardatlet

Gambar 9. Tweet dari aktor kunci jaringan #SEAGames2022, @bodyguardatlet.

12
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

Berdasarkan hasil analisis, dapat dikatakan bahwa aktor-aktor yang ada pada twitter
memiliki hubungan satu sama lain, dalam arti lain aktor-aktor yang merupakan suatu individu
yang membentuk suatu perkumpulan yang dikenal sebagai jaringan komunikasi. Para aktor
tersebut pun memiliki ikatan yang tercipta dari proses komunikasi yang terjalin pada twitter,
seperti yang ditunjukkan pada Gambar 8, yaitu ketika aktor-aktor lain mengirim balasan pesan
kepada aktor utama (@greyspolii). Selain itu, melalui analisis yang peneliti lakukan, dapat
diketahui bagaimana struktur komunikasi terbentuk dan siapa yang menjadi aktor dominan
melalui penggunaan hashtag #SEAGames2022 yang dapat dilihat pada Tabel 1. Dari tabel
tersebut, dapat dinyatakan bahwa aktor @greyspolii memiliki posisi yang kuat berdasarkan
banyaknya interaksi yang terjadi di antara para aktor melalui likes, comment, dan retweet.
Derajat sentralitas sendiri merupakan bentuk pengukuran dari jumlah koneksi yang dimiliki
oleh node yang terhubung ke node yang lain (Maharani & Gozali, 2014).
Pada penelitian ini, Degree Centrality digunakan untuk mengetahui akun yang
memiliki pengaruh paling besar dalam penyebaran informasi mengenai SEA Games 2022 di
twitter yang dimana akun tersebut yaitu akun @greyspolii. Selain itu, terdapat Closeness
Centrality yang digunakan untuk mengetahui akun yang memiliki pengaruh dengan melihat
seberapa dekat aktor tersebut dengan aktor lainnya berdasarkan jarak terpendek (kedekatan).
Pada penelitian ini, nilai closeness centrality yang diperoleh melalui penggunaan hashtag
#SEAGames2022 yaitu 1.0 yang menyatakan bahwa hubungan antara satu aktor dengan aktor
lainnya memiliki kedekatan yang signifikan, sehingga informasi yang disampaikan aktor di
dalamnya dapat tersebar dengan cepat. Tidak hanya itu, terdapat Betweenness Centrality yang
digunakan untuk mengetahui akun yang memiliki pengaruh dengan melihat sejauh mana
mereka menyebarkan informasi sebagai penghubung dalam diseminasi suatu informasi
tersebut. Hasil dari penelitian ini menyatakan bahwa aktor @bodyguardatlet memperoleh
angka tertinggi dalam membawa pengaruh besar dalam penyebarluasan informasi atau dikenal
juga dengan sebutan aktor kunci.
Dari data-data tersebut dapat dikatakan bahwa terdeteksi melalui hashtag
#SEAGames2022 jarak paling jauh antara dua jaringan sebesar 23 dalam diameter, kemudian
rata-rata sentralitas yang diperoleh pada jaringan #SEAGames2022 menunjukkan informasi
mengenai #SEAGames2022 disampaikan oleh jumlah orang yang banyak dan peserta pusat
tidak menjadi mayoritasnya. Selanjutnya pada jumlah timbal balik jaringan, tidak diemukan
intensitas yang tinggi pada aktor-aktor yang melakukan cuitan. Berdasarkan jaringan
komunikasi dengan penggunaan hashtag #SEAGames2022, modularitas dalam analisis ini
jaringan terdiri dari kelompok yang tidak bersifat tumpang tindih serta dilakukan oleh aktor
yang tidak memberikan perhatian antara satu sama lain, dan kepadatan yang ditemukan pada
jaringan menunjukkan bahwa aktor-aktor dalam hashtag #SEAGames2022 tidak memiliki
hubungan.

4. PENUTUP
Berdasarkan analisis yang telah dilakukan, terlihat bahwa akun yang nilai degree centrality
aktor yang tinggi menjadi aktor yang paling berpengaruh dalam penyebaran informasi dan berperan
sebagai aktor utama dalam sebuah jaringan. Dalam hal ini, akun yang berperan sebagai aktor kunci
adalah @greyspolii. Selain itu, hubungan antara aktor dalam jaringan ini berjarak sangat dekat
sehingga informasi yang tersebar dalam jaringan komunikasi tersebut bergerak dengan sangat
cepat. Tipe relasi yang digunakan dalam penelitian adalah two mode, dimana di dalamnya terdapat
aktor yang berbeda serta klasifikasi akun yang berbeda. Hubungan dalam penelitian bersifat
asimetris, dimana informasi yang dibagikan tidak membutuhkan umpan balik kepada aktor utama.

13
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

Relasi jaringan yang terjadi dalam penelitian ini bersifat langsung yang artinya relasi memiliki arah
hubungan, dimana terdapat aktor yang berperan sebagai pengirim informasi di pusat pola jaringan.
Penelitian ini belum dianalisis menggunakan perangkat yang lebih maju, sehingga peneliti
menyarankan untuk melakukan Social Network Analysis menggunakan aplikasi Gephi karena
aplikasi tersebut dapat menampilkan data yang lebih lengkap serta jangka waktu yang lebih
panjang.

Ucapan Terimakasih
Penulis mengucapkan terima kasih kepada Bapak Gema Nusantara Bakry, M.I.Kom. dan Ibu
Dr. Nindi Aristi, S.Sos., M.Comm. serta pihak lainnya yang telah terlibat melalui perannya menjadi
konsultan, partner diskusi, maupun bantuan perizinan dalam penyusunan artikel ini sehingga
sampai pada tahap publikasi.

DAFTAR PUSTAKA
Tsalis, Ahmad. (2019, November 27). Terungkap Sosok Penyebab Kebobrokan Penyelenggaraan
SEA Games 2019 Filipina. https://sportfeat.bolasport.com/read/441933329/terungkap-sosok-
penyebab-kebobrokan-penyelenggaraan-sea-games-2019-filipina?page=all
Anestha, P., & Fatoni, D. A. (2020). Analisis Jaringan Komunikasi Percakapan #tetapdukungpsbb
di Twitter pada Penerapan PSBB kedua DKI Jakarta Communication Network Analysis
#tetapdukungpsbb Conversation in Twitter on Second Implementation of the PSBB in DKI
Jakarta. Jurnal Spektrum Komunikasi, 8(2).
https://www.researchgate.net/publication/348244634_Analisis_Jaringan_Komunikasi_Pada_P
ercakapan_TetapDukungPSBB_Di_Twitter_Pada_Penerapan_Ke_Dua_PSBB_DKI_Jakarta
Athira Luqyana, W., Cholissodin, I., & Perdana, R. S. (2018). Analisis Sentimen Cyberbullying
pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine (Vol. 2, Issue
11).
Bakry, G. N., & Kusmayadi, I. M. (2021). Peran Pers Sebagai Aktor Gerakan Digital Tagar
#SolidaritasUntukNTT di Twitter. Jurnal Kajian Jurnalisme, 5(1), 98.
https://doi.org/10.24198/jkj.v5i1.33458
Choi, Y. J., Jeon, B. J., & Kim, H. W. (2021). Identification of key cyberbullies: A text mining and
social network analysis approach. Telematics and Informatics, 56.
https://doi.org/10.1016/j.tele.2020.101504
Latifah, E. F. U. (2018). Perbandingan Kinerja Machine Learning Berbasis Algoritma Support
Vector Machine Dan Naive Bayes (Studi Kasus: Data Tanggapan Mengenai Traveloka
Melalui Media Sosial Twitter).
https://dspace.uii.ac.id/bitstream/handle/123456789/7996/LAPTA_14611064_Evi%20Fitria%
20Umi%20Latifah.pdf?sequence=1&isAllowed=y
Fahsyar I. Latimbang. (2017). Studi Kelayakan Sarana Prasarana Penunjang Pembinaan Olahraga
Prestasi di Pusat Pendidikan dan Latihan Olahraga Pelajar (PPLP) Provinsi Gorontalo.
Universitas Negeri Gorontalo.
Nusantara Bakry, G. (2020). Struktur Jaringan Pengguna Twitter dengan Tagar
#Bandunglawancovid19. https://jurnal.unsyiah.ac.id/JKG/article/view/17478
Pratama, A., Cahya Wihandika, R., & Ratnawati, D. E. (2018). Implementasi Algoritme Support
Vector Machine (SVM) untuk Prediksi Ketepatan Waktu Kelulusan Mahasiswa (Vol. 2, Issue
4).
Ridok, A. (2016). Sentiment Analysis for Review Mobile Applications Using Neighbor Method
Weighted K-Nearest Neighbor (NWKNN). Journal of Environmental Engineering &
Sustainable Technology JEEST, 03(01), 23–32.
Rofiqoh, U., Setya Perdana, R., & Fauzi, M. A. (2017). Analisis Sentimen Tingkat Kepuasan
Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode
Support Vector Machine dan Lexicon Based Features (Vol. 1, Issue 12).

14
 ANALISIS STRUKTUR JARINGAN KOMUNIKASI #SEAGAMES2022 DI TWITTER ...
M Aulia Akbar, Masniarara Aziza Balfas Amril, Raiza Syahira, Fahrein Rachel Latisha, Noor Jihan

Salam, A., Zeniarja, J., Septiyan, R., & Khasanah, U. (2018). Analisis Sentimen Data Komentar
Sosial Media Facebook dengan K-Nearest Neighbor (Studi Kasus pada Akun Jasa Ekspedisi
Barang J&T Ekspress Indonesia).
Sari, R. (2020). Analisis Sentimen Pada Review Objek Wisata Dunia Fantasi menggunakan
Algoritma K-Nearest Neighbor (K-NN). Jurnal Sains Dan Manajemen, 8(1).
Borgatti, Stephen, Everett, Martin, & Johnson, Jeffrey. (2018). Analyzing Social Networks. SAGE
Publications.
Tri Romadloni, N., Santoso, I., Budilaksono, S., & Ilmu Komputer STMIK Nusa Mandiri Jakarta,
M. (2019). Perbandingan Metode Naive Bayes, KNN dan Decision Tree Terhadap Analisis
Sentimen Transportasi KRL Commuter Line.
Twitter. (2020, March 23). Pusat Bantuan. http://help.twitter.com
Utami, A. B. (2018). Analisis Jaringan Komunikasi Kelompok. 1, 1–35. http://e-
journal.president.ac.id/presunivojs/index.php/DIMCC/article/view/507/315
Yanu Arifin. (2019, November 26). Netizen Kritik Penyelenggaraan yang Kacau.
https://sport.detik.com/sport-lain/d-4798304/seagames2019fail-netizen-kritik-
penyelenggaraan-yang-kacau
Yulia Isna. (2015, September 25). Sea Games Ajang Pemersatu Asia Tenggara.
https://www.kompasiana.com/yulia-isna-08/56074cd9e8afbd69051b4e63/sea-games-ajang-
pemersatu-asia-tenggara

15
JURNAL STUDI KOMUNIKASI DAN MEDIA
Vol. 26 No. 1 (Januari – Juni 2022) Hal : 1 - 16

16