Pemanfaatan Data Twitter Dalam Penanggulangan Bencana Banjir dan Longsor

Trida Ridho Fariz, Sapta Suhardono, Silvia Verdiana

Abstract


Big data seperti data twitter sudah cukup banyak digunakan dalam kajian ilmu sosial, tetapi penggunaannya dalam kajian bencana masih jarang di Indonesia. Sehingga tujuan dari penelitian ini adalah mencari tahu informasi apa saja yang dapat diidentifikasi melalui data media sosial twitter. Data yang digunakan dalam penelitian ini adalah data kualitatif dari angket dan data twitter dari sistem big data bernama Drone Emprit Academic (DEA). Data twitter yang bergeotag juga divisualisasikan dalam bentuk peta untuk membantu proses analisis deskripsi yang merupakan analisis utama dalam penelitian ini. Hasil dari penelitian ini menunjukan bahwa di twitter bencana banjir lebih mendapat perhatian ketimbang bencana longsor. Pada penyelenggaraan penanggulan bencana, kami berpendapat bahwa data twitter dapat digunakan pada semua fase. Data twitter dalam penanggulangan bencana terutama bencana hidrometereologis memiliki kelemahan seperti hanya bisa digunakan pada kota besar di Pulau Jawa. Kelemahan lainnya adalah informasi dari data twitter belum dipastikan apakah mewakili karakteristik demografi yang sama dengan kondisi dilapangan serta tingkat kevalidan informasi yang belum bisa dipertanggungjawabkan.

Kata kunci Twitter, Media sosial, Bencana, Banjir, Longsor


Full Text:

PDF

References


Kaisler, S., Armour, F., Espinosa, J. A., & Money, W. (2013). Big data: Issues and challenges moving forward. 2013 46th Hawaii international conference on system sciences (pp. 995-1004). IEEE.

Sloan, L., & Morgan, J. (2015). Who tweets with their location? Understanding the relationship between demographic characteristics and the use of geoservices and geotagging on Twitter. PloS one, 10(11), e0142209.

Guerrero-Solé, F. (2018). Interactive behavior in political discussions on Twitter: Politicians, media, and citizens’ patterns of interaction in the 2015 and 2016 electoral campaigns in Spain. Social Media+ Society, 4(4), 2056305118808776.

Abbar, S., Zanouda, T., Berti-Equille, L., & Borge-Holthoefer, J. (2016). Using twitter to understand public interest in climate change: The case of qatar. Proceedings of the International AAAI Conference on Web and Social Media (Vol. 10, No. 1).

Pratama, S. F., Andrean, R., & Nugroho, A. (2019). Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis. JOINTECS (Journal of Information Technology and Computer Science), 4(2), 39-44.

Rahayu, D. A., Kuntur, S., & Hayatin, N. (2018). Sarcasm detection on Indonesian twitter feeds. 2018 5th International Conference on Electrical Engineering, Computer Science and Informatics (EECSI) (pp. 137-141). IEEE.

Wibowo, T. W. (2017). Spatial point data analysis of geolocated tweets in the first day of Eid Al-Fitr 2017 in Java Island. IOP Conference Series: Earth and Environmental Science (Vol. 98, No. 1, p. 012032). IOP Publishing.

Hernandez-Suarez, A., Sanchez-Perez, G., Toscano-Medina, K., Perez-Meana, H., Portillo-Portillo, J., Sanchez, V., & García Villalba, L. J. (2019). Using Twitter data to monitor natural disaster social dynamics: A recurrent neural network approach with word embeddings and kernel density estimation. Sensors, 19(7), 1746.

Santoso, A. D. (2019). Tweets Flooded in Bandung 2016 Floods: Connecting Individuals and Organizations to Disaster Information. Indonesian Journal of Geography, 51(3), 242-250.

Carley, K. M., Malik, M., Landwehr, P. M., Pfeffer, J., & Kowalchuck, M. (2016). Crowd sourcing disaster management: The complex nature of Twitter usage in Padang Indonesia. Safety science, 90, 48-61.

Nugroho, S. P. Rosita, R. Lomban, A. A. Arlita, I. G. A. Yanuarto, T. Yanuarto, Putra, R. S. Riyadi, S. (2016). Ancaman hidrometeorologi semakin meningkat. GEMA BNPB Vol. 7 No. 1, 2016

Negara, E. S., Andryani, R., & Saksono, P. H. (2016). Analisis Data Twitter: Ekstraksi dan Analisis Data Geospasial. INKOM Journal, 10(1), 27-36.

Kumar, S., Morstatter, F., & Liu, H. (2014). Twitter data analytics (pp. 1041-4347). New York, NY: Springer New York.

Fahmi, I. (2018). Drone Emprit Academic: Software for social media monitoring and analytics. Tersedia di http://dea.uii.ac.id

Suharso, P. (2019). Pemanfaatan Drone Emprit dalam Melihat Trend Perkembangan Bacaan Digital melalui Akun Twitter. Anuva: Jurnal Kajian Budaya, Perpustakaan, dan Informasi, 3(4), 333-346.

Hootsuite & We Are Social. (2020). Digital 2020: Indonesia. Diakses dari datareportal.com pada 30 April 2020

Simon, T., Goldberg, A., & Adini, B. (2015). Socializing in emergencies—A review of the use of social media in emergency situations. International Journal of Information Management, 35(5), 609-619.

BNPB (2020). Update Hari Keempat Penanganan Banjir dan Longsor. Diakses dari bnpb.go.id pada 13 Januari 2020

Farasonalia, R. (2020). Waspada cuaca ekstrem di Jateng, Ganjar dirikan posko bencana terpadu. Diakses dari regional.kompas.com pada 2 Juni 2020

Arifin, M. 2020. Sejumlah Sungai Meluap, Pasuruan Dikepung Banjir. Diakses dari news.detik.com pada 13 Januari 2020.

Rahadian, D. (2020). Longsor Terjang Empat Kecamatan di Tasik, Akses Jalan Desa Terputus. Diakses dari news.detik.com pada 14 Mei 2020

Wicaksono, W. M. (2020). Longsor Tutup Jalan Wanayasa-Dieng. Diakses dari kompas.id pada 14 Mei 2020

Aziz, K., Zaidouni, D., & Bellafkih, M. (2019). Social Network Analytics: Natural Disaster Analysis Through Twitter. 2019 Third International Conference on Intelligent Computing in Data Sciences (ICDS) (pp. 1-7). IEEE.

APJII (Asosiasi Penyelenggara Jasa Internet Indonesia). (2019). Penetrasi & profil perilaku pengguna internet Indonesia 2018. Buletin APJII Edisi 40.

Kaur, A. (2019). Analyzing Twitter Feeds to Facilitate Crises Informatics and Disaster Response During Mass Emergencies. Dissertation M.Sc. in Computing (Data Analytics), TU Dublin.

Ardiani, L., Sujaini, H., & Tursina, T. (2020). Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 8(2), 183-190.

Takahashi, B., Tandoc Jr, E. C., & Carmichael, C. (2015). Communicating on Twitter during a disaster: An analysis of tweets during Typhoon Haiyan in the Philippines. Computers in human behavior, 50, 392-398.

Wibowo, T. W., Bustomi, A. F., & Sukamdi, A. V. (2019). Tourist attraction popularity mapping based on geotagged tweets. Forum Geografi (Vol. 33, No. 1, pp. 82-100).

Issa, E., Tsou, M. H., Nara, A., & Spitzberg, B. (2017). Understanding the spatio-temporal characteristics of Twitter data with geotagged and non-geotagged content: two case studies with the topic of flu and Ted (movie). Annals of GIS, 23(3), 219-235.

Rizal, A. (2019). Pengguna Twitter di Indonesia Paling Banyak Pria daripada Perempuan. Diakses dari infokomputer.grid.id pada 20 Mei 2020.

BPS Provinsi Banten. (2020). Provinsi Banten dalam angka tahun 2020. Serang: Badan Pusat Statistik Provinsi Banten.

BPS Provinsi DI Yogyakarta. (2020). Provinsi DI Yogyakarta dalam angka tahun 2020. Yogyakarta: Badan Pusat Statistik Provinsi DI Yogyakarta., 2020

BPS Provinsi DKI Jakarta. (2020). Provinsi DKI Jakarta dalam angka tahun 2020. Jakarta: Badan Pusat Statistik Provinsi DKI Jakarta.

BPS Provinsi Jawa Barat. (2020). Provinsi Jawa Barat dalam angka tahun 2020. Bandung: Badan Pusat Statistik Provinsi Jawa Barat.

BPS Provinsi Jawa Tengah. (2020). Provinsi Jawa Tengah dalam angka tahun 2020. Semarang: Badan Pusat Statistik Provinsi Jawa Tengah.

BPS Provinsi Jawa Timur. (2020). Provinsi Jawa Timur dalam angka tahun 2020. Surabaya: Badan Pusat Statistik Provinsi Jawa Timur.

Zubaidah, E., Pratiwi, P. H., Hamidah, S., & Mustadi, A. (2016). Migrasi Pelajar dan Mahasiswa Pendatang di Kota Pendidikan. Prosiding Seminar Nasional UNY.

Martinez-Rojas, M., del Carmen Pardo-Ferreira, M., & Rubio-Romero, J. C. (2018). Twitter as a tool for the management and analysis of emergency situations: A systematic literature review. International Journal of Information Management, 43, 196-208.

Zou, L., Lam, N. S., Cai, H., & Qiang, Y. (2018). Mining Twitter data for improved understanding of disaster resilience. Annals of the American Association of Geographers, 108(5), 1422-1441.

Sloan, L., Morgan, J., Burnap, P., & Williams, M. (2015). Who tweets? Deriving the demographic characteristics of age, occupation and social class from Twitter user meta-data. PloS one, 10(3), e0115545.

You, Y., Huang, Y., & Zhuang, Y. (2020). Natural disaster and political trust: A natural experiment study of the impact of the Wenchuan earthquake. Chinese Journal of Sociology, 6(1), 140-165.




DOI: http://dx.doi.org/10.31154/cogito.v7i1.305.135-147

Refbacks

  • There are currently no refbacks.


CogITo Smart Journal
A publication of Fakultas Ilmu Komputer, Universitas Klabat
In partnership with Coris and IndoCEISS
Phone: +62 (431) 891035
email: editorial.cogito@unklab.ac.id | web: http://cogito.unklab.ac.id/index.php/cogito
 
Free counters!
View CogITo Smart Journal Stats

CogITo Smart Journal is indexed by:
  DOAJ    SINTA     Indonesia OneSearch by Perpusnas    Crossref    Google Scholar      Base Search PKP Index    neliti    EBSCO Information Science    mendeley          scilit    road    worldcat    DRJI    OpenAIREplus    copac    Gent University Library Stanford Library    Harvard Library    Leiden University Libraries    The University of Sheffield    Boston University Library    University of Manchester    University of Oxford    CORE    Livivo
 



CogITo Smart Journal is licensed under a Creative Commons Attribution 4.0 International License.