Perpustakaan Digital ITB

Media sosial adalah interaksi sosial di antara orang-orang di mana mereka membuat, berbagi, atau bertukar informasi dan ide di komunitas virtual dan jaringan. Media sosial menyediakan difusi informasi dua arah yang memungkinkan pengguna untuk membagikan informasinya dengan pengguna lain, mengakses informasi dan berkomunikasi. Bersamaan dengan berkembangnya populasi pengguna Twitter yang dapat mendaftar secara gratis dan tanpa syarat, menyebabkan timbulnya beberapa penyimpangan. Media sosial tidak jarang digunakan sebagai alat untuk menyebarkan berita bohong, spam, atau melakukan hal yang tidak wajar. Deteksi outlier yang telah dilakukan hanya terbatas pada pengelompokan pengguna: outlier dan non-outlier, padahal ada karakteristik pengguna lain yang ikut berperan dalam jaringan media sosial. Sebagian besar jumlah pesan yang beredar di media sosial hanya berasal dari beberapa orang yang memiliki sentralitas yang tinggi yang diteruskan oleh pengguna lain. Orang yang memiliki sentralitas yang tinggi adalah orang yang mempunyai status atau kekuasaan yang disebut sebagai Opinion Leaders. Tetapi dalam media sosial, sentralitas yang tinggi tidak hanya dimiliki oleh orang dengan golongan tersebut, ada beberapa akun anonim yang memiliki sentralitas yang tinggi karena didukung oleh akun outlier. Konten pada kondisi ini dapat dicurigai sebagai konten yang tidak baik atau bahkan terindikasi sebagai Hoax. Pentingnya identifikasi ini karena Opinion Leaders memiliki basis followers yang tinggi, sehingga akan mempercepat proses penyerapan informasi dan akan berbahya jika konten yang disebarkan terindikasi sebagai Hoax. Pengguna outlier yang dikendalikan oleh kelompok tertentu atau menjadi bagian kelompok tertentu akan berpotensi menyebarkan konten yang terindikasi Hoax untuk menjadikannya false belief secara massal. Penggunaan Principal Component Analysis (PCA) pada tahap awal sebelum clustering digunakan untuk pemilihan atribut yang memiliki bobot tinggi. K-Means clustering dipilih sebagai metode unsupervised learning untuk mengatasi data yang dinamis dan tidak berlabel. Penelitian ini menggunakan 231.488 data Twitter yang berasal dari 25.880 pengguna. Dengan melakukan analisis centroid, pembuatan asumsi dan analisis karakteristik, pengguna telah dikelompokkan menjadi: pengguna normal (42%), outlier (35.78%), aktif (20.06%) dan opinion leader (2.1%). Interaksi dalam media sosial didominasi oleh pengguna Aktif (20%) dan Opinion leader (2%) dengan akumulasi interaksi mencapai 54,6%, dengan peran sebagai node tujuan (pasif). Banyaknya cluster pengguna outlier yang menjadikan beberapa Opinion leader dan pengguna Aktif sebagai sumber difusi informasi, akan didefinisikan sebagai “outlier dalam difusi informasi”. Outlier dalam difusi informasi tersebut menjadi indikasi untuk mendeteksi beberapa topik Hoax yang dipicu oleh Opinion leader dan disebarkan secara masif oleh pengguna outlier. Deteksi konten ini dapat menjadi dugaan awal konten yang terindikasi Hoax untuk mencegah pesebaran “false belief”.