Perpustakaan Digital ITB

Media sosial menjadi ruang penting bagi masyarakat Indonesia untuk berinteraksi dan membentuk opini, namun pola komunikasi di dalamnya kerap melahirkan echo chamber yang memperkuat polarisasi. Meskipun begitu, studi echo chamber di Indonesia masih terbatas pada analisis manual atau analisis jaringan tanpa mempertimbangkan sentimen konten. Penelitian ini mengembangkan model pengukuran echo chamber pada percakapan media sosial berbahasa Indonesia dengan Analisis Sentimen Berbasis Aspek (ASBA) bebas domain dan metrik konsensus dalam kerangka Group Decision Making (GDM). Rancangan mencakup lima tahap: praproses teks, ASBA bebas domain, pembentukan graf interaksi, deteksi komunitas, dan perhitungan konsensus GDM. Pada ASBA, berbagai pendekatan dievaluasi untuk menemukan model bebas domain terbaik. Hasil menunjukkan bahwa metode zero-shot LLM generatif dengan model Gemini-2.5-flash memberikan performa terbaik, dengan F1 makro 0,4178 pada dataset Pilkada DKI dan 0,4990 pada dataset Indo Vaccination, serta Penalized Brier Score lebih baik dibanding baseline. Pengujian model pengukuran echo chamber dilakukan pada tiga dataset percakapan X berbahasa Indonesia: Indo Vaccination, Budget Efficiency, dan Pilpres 2024. Hasil menunjukkan nilai Echo Chamber Ratio (ECR) yang konsisten dengan analisis pakar terdahulu mengenai echo chamber di Indonesia. Nilai ECR tersebut antara lain, 1,13 pada Indo Vaccination, 4,55 pada Budget Efficiency, dan 2,92 pada Pilpres 2024. Uji hipotesis dengan null atribut (pengacakan sentimen) dan null topologi (rewiring jaringan) memperkuat temuan ini. Nilai z-score antara 3,37–303,99 dan empirical p-value ? 0,01 menunjukkan hasil signifikan secara statistik dan jauh dari distribusi acak. Temuan ini menunjukkan bahwa pendekatan berbasis ASBA dan konsensus GDM dapat memberikan ukuran ringkas melalui nilai ECR yang bermakna dan konsisten dengan analisis pakar. Pendekatan ini juga memungkinkan analisis kualitatif terhadap konsensus hingga tingkat komunitas.