Berdasarkan data yang diperoleh dalam penelitian, pemerintah D.I. Yogyakarta sudah cukup baik dalam mengelola sosial media sehingga bisa hadir di tengah-tengah masyarakat sebagai salah satu aktor sentral dalam pembahasan isu kesehatan, salah satunya dalam upaya penanganan kasus Covid-19 di D.I. Yogyakarta. Melihat hal ini, harapannya adalah semoga pemerintah daerah maupun pada skala nasional dapat melakukan hal serupa, yakni sebagai salah satu aktor kunci dan mampu memobilisasi masyarakat dalam pembahasan maupun penanganan isu kesehatan melalui sarana media sosial. Batasan penelitian ini adalah lingkup penelitian yang kecil karena hanya mencakup wilayah D.I. Yogyakarta saja karena literature terkait penelitian serupa dan ilmu pengkodingan yang dimiliki peneliti masih sangat minim.
Implikasi dari penelitian ini kemudian adalah, diharapkan pada penelitian di masa mendatang perlu dilakukan peerluasan cakupan penelitian dengan lokus yang lebih besar dan menambah populasi penelitian untuk penelitian. Selanjutnya ada baiknya dilakukan wawancara lebih mendalam kepada beberapa aktor kunci dari percakapan isu kesehatan di Yogyakarta untuk dapat memahami lebih lanjut terkait konteks yang mereka suarakan di media sosial.Tren Pemberitaan Penyajian data dalam bentuk tabel dan diagram (Diagram 8).Analisis tren pemberitaan terkait isu kesehatan di Yogyakarta. Klasifikasi Isu Kesehatan Contoh judul berita terkait isu kesehatan Diskusi mengenai isu-isu yang paling banyak dibahas, seperti BPJS, stunting, dan Germas.
Sentimen Publik Analisis sentimen yang muncul dari berita dan cuitan di media sosial. Identifikasi aktor utama dalam diskursus kesehatan.
Kesimpulan
Ringkasan temuan utama dari penelitian.
Implikasi bagi pemangku kebijakan dalam merumuskan kebijakan kesehatan yang lebih baik.
Saran untuk penelitian selanjutnya, termasuk perluasan cakupan dan metode yang lebih mendalam.
Daftar Pustaka
Asghari, M., Sierra-Sosa, D., & Elmaghraby, A. (2018). Trends on Health in Social Media: Analysis
using Twitter Topic Modeling. IEEE international symposium on signal processing and
information technology (ISSPIT) 2018, 558-563.
Bengtsson, M. (2016). How to plan and perform a qualitative study using content analysis. NursingPlus Open Vol. 2,814.doi:https://doi.org/10.1016/j.npls.2016.01.001Â
Blumer H (1948) Public opinion and public opinion polling. American Sociological Review 13(5): 542--549
Bruns, A., & Burgess, J. (2011). The Use of Twitter Hashtags in the Formation of Ad Hoc Publics. .
Paper presented at the 6th European Consortium for Political Research General Conference. Chen, S., Ross, T. J., Zhan, W., Myers, C. S., Chuang, K.-S., Heishman, S. J., . . . Yang, Y. (2008). Group independent component analysis reveals consistent resting-state networks across multiple sessions.
Brain Research, 1239, 141-151.
CNN-Indonesia. (2020, Maret 3). Virus Corona Masuk Indonesia, Netizen Serukan Jangan Panik. CNN
Indonesia. Retrieved April 10, 2021, from https://www.cnnindonesia.com/teknologi/20200303141434-192-480096/virus-corona-masuk- indonesia-netizen-serukan-jangan-panik
Das, M. K., Singh, D., & Sharma., S. (2021). Media news on vaccines and vaccination: The content profile, sentiment and trend of the online mass media during 2015--2020 in India. Clinical Epidemiology and Global Health. Clinical Epidemiology and Global Health, 10. doi:https://doi.org/10.1016/j.cegh.2020.100691
Davis, M. A., Zheng, K., Liu, Y., & Levy, H. (2017). Public Response to Obamacare on Twitter. J Med Internet Res , 19((5):e167). doi:DOI: 10.2196/jmir.6946Du, J., Tang, L., Xiang, Y., Zhi, D., Xu, J., Song, H.-Y., & Tao, C. (2018). Public Perception Analysis of Tweets During the 2015 Measles Outbreak: Comparative Study Using Convolutional Neural Network Models. J Med Internet Res, 20((7):e236). doi:DOI: 10.2196/jmir.9413
Baca konten-konten menarik Kompasiana langsung dari smartphone kamu. Follow channel WhatsApp Kompasiana sekarang di sini: https://whatsapp.com/channel/0029VaYjYaL4Spk7WflFYJ2H