Lingkungan Twitterku

Setelah sekian lama ingin menuliskan artikel tentang keahlian akhirnya kesampaian juga. Malas menjadi alasan utama kenapa kenapa niat menulis ini selalu ditunda, hingga hampir lupa bahwa niat itu sempat ada. Selain itu mood juga menjadi alasan lain susahnya memulai menulis artikel ini. Mungkin karna biasanya hanya menulis artikel kasual, jadi agak aneh kalau mau memulai tulisan yang “semi serius”.

Ngomong-ngomong tentang mood, artikel ini pun sebenarnya buah mood saya yang berantakan minggu lalu tapi baru sempat di proses lagi dua hari belakangan. Pendek cerita, akhir pekan minggu lalu seharusnya saya sudah memulai kehidupan baru di tanah yang berbeda. Tapi karna kasus corona tiba-tiba meroket dua hari sebelum keberangkatan, alhasil batalah keberangkatan saya waktu itu.

Di tengah kekesalan tersebut saya teringat dengan buku “Yang Belum Usai”. Di buku itu dikatakan bahwa emosi negatif yang berlebihan bisa menjadi luka batin yang berbahaya bagi psikologis kita dalam jangka panjang. Salah satu cara yang disarankan untuk mencegah luka batin ini adalah dengan dengan meneruskan energi negatif tersebut kepada kegiatan yang lebih produktif.

Akhirnya saya mencoba meneruskan energi negatif tersebut untuk mencari referensi bacaan baru di Twitter. 

Saya kemudian mencari tau akun apa saja yang diikuti oleh akun-akun disekitar saya. Caranya, saya list dulu akun-akun yang saya ikuti, kemudian dari masing-masing akun tersebut saya lihat lagi apa yang mereka ikuti. Dengan bantuan jupyter notebook dan Twitter API saya pun berhasil mengumpulkan 790.000 akun unik dari list following mereka. Karna adanya limitasi request dari Twitter, dibutuhkan waktu 5 jam untuk mendapatkan seluruh akun-akun tersebut.

Sayapun heran, kalau terdapat 790.000 akun unik padahal akun yang saya ikuti hanya 146, berarti rerata temanku memiliki following 5400 akun (-___-“). Usut punya usut ternyata lebih dari separuh akun yang saya ikuti adalah akun resmi atau public figure. Nah, akun-akun besar inilah yang kemudian memiliki jumlah following yang super banyak.

Karna sudah memiliki semua data following dari akun-akun besar tersebut. Jadi yasudah saya coba olah saja data yang ada, siapa tau terdapat akun baru yang menarik. Terus saya coba buat word cloud dari data following yang telah saya dapatkan.

Semakin besar bola pada tulisan berarti semakin banyak teman-teman saya yang mengikuti akun tersebut. Lingkaran berwarna biru merupakan akun yang tidak saya ikuti, sedangkan lingkaran berwarna jingga merupakan akun yang sudah saya ikuti.

Menarik untuk diperhatikan bahwa top following di circle saya merupakan akun yang ‘serius’. Saya kemudian berfikir kembali, mungkin secara tidak langsung faktor inilah yang membentuk saya menjadi pribadi yang ‘agak serius’.

Karna penasaran, saya pun mencoba mencari tau pola Tweet yang saya konsumsi dari teman-teman organik saya. Akun official dan public figure saya eliminasi, karna saya ingin melihat pola pembicaraan khusus dari teman-teman di circle saya.

Pertama saya kumpulkan Tweet pada timeline mereka pada beberapa tahun terakhir. Karna proses scrapping memakan waktu cukup lama jadi saya tinggal tidur, dan VIOLA!!, bangun-bangun proses sudah selesai. Terdapat 820.000 lebih tweet dan reply yang saya dapatkan dari teman-teman organik saya.

Data tweet yang telah didapatkan kemudian dicacah ke dalam bentuk kata-kata, lalu setiap kata tersebut diambil kata dasarnya saja. Lebih jauh lagi, hanya keyword yang saya olah untuk mengurangi proses komputasi.

Contoh: kalimat awal -> kata yang diolah lebih lanjut:
– “I’m eating doughnut at the market” -> ‘eat’, ‘doughnut’, ‘market’
– “I ate doughnut at the market” -> ‘eat’, ‘doughnut’, ‘market’ 
– “Saya memakan donat di pasar” -> ‘makan’, ‘donat’, ‘pasar’

Dari kata-kata yang didapat tersebut saya coba buat network graph-nya menggunakan Gephi dengan algoritma Force Atlas.

Secara sekilas dapat saya katakan bahwa terdapat 4 cluster besar dari Tweet teman-teman saya. Cluster pertama dan yang paling besar berbicara tentang negara (berat banget sumpah). Cluster ini terletak pada tengah bagian tengah gambar dengan keyword yang sering digunakan ‘Indonesia’, ‘negara’, ‘presiden’, ‘masyarakat’, ‘warga’ dan lain-lain.

Cluster kedua merupakan cluster tentang agama dan hidup (masih berat yaampun). Letaknya berada pada daerah kiri tengah hingga kiri atas. Keyword yang sering digunakan pada cluster ini seperti ‘Allah’, ‘manusia’, ‘sukses’, ‘life’, ‘bahagia’, ‘mati’. 

Cluster ketiga berbicara tentang dunia perkuliahan. Letaknya berada pada kanan tengah hingga tengah bawah. Top keyword yang sering digunakan adalah ‘kuliah’, ‘mahasiswa’, ‘beasiswa’, ‘ilmu’, ‘dosen’ dan nama-nama kampus. 

Cluster terakhir merupakan cluster cuitan galau (akhirnya cluster ringan). Letak cluster ini berada pada kanan atas gambar. Kata yang paling sering digunakan pada cluster ini adalah ‘sendiri’, ‘love’, ‘hati’, ‘cinta’, ‘hujan’ dan lain lain.

Kesimpulan:
Saya baru benar-benar sadar bahwa konsumsi social media saya cukup bermuatan ‘serius’. Hal ini mungkin yang secara tidak langsung mempengaruhi saya untuk bias dan semakin mengikuti konten yang bermuatan ‘serius’ saja. Karna yang dikonsumsi semakin banyak bermuatan serius, akhirnya saya juga semakin tertarik pada akun-akun bermuatan serius saja. Hal ini menjadi bias yang paradox.

Leave a Reply