Memahami Publik Melalui Implementasi Big Data pada Direktorat Jenderal Imigrasi

Direktorat Jenderal Imigrasi merupakan Unit Eselon 1 (satu) pada Kementerian Hukum dan Hak Asasi Manusia (HAM), yang salah satu fungsinya adalah sebagai Penyelenggara layanan publik dengan subjek layanan adalah Warga Negara Indonesia (WNI) dan Warga Negara Asing (WNA). Sebagai penyelenggara layanan publik, tingkat Kepuasan Masyarakat menjadi hal yang krusial.

Kewajiban untuk memahami tingkat Kepuasan Masyarakat juga relevan dengan ketentuan yang termaktub dalam Permenpan-RB Nomor 10 Tahun 2019 tentang Pembangunan Zona Integritas menuju Wilayah Bebas Korupsi dan Wilayah Birokrasi Bersih Melayani, yang menjadikan tingkat Kepuasan Masyarakat sebagai instrumen pokok dalam peningkatan Kualitas Pelayanan Publik guna mencapai Zona Integritas (ZI).

Namun, dalam pelaksanaannya, Survei Kepuasan Masyarakat mengalami beberapa kendala, yakni Sumber Daya Manusia (SDM) yang terbatas, dan waktu pelaksanaan yang terlalu lama, sehingga seiring waktu, permasalahan yang teridentifikasi menjadi tidak relevan (Lukito, 2016). 

Penerapan Teknologi Informasi (TI) sebagai sarana pendukung dalam mewujudkan dan mempertahankan Zona Integritas dianggap sebagai salah satu solusi yang terbukti mampu mengakselerasi penerapan Zona Integritas, dengan cara menjembatani kebutuhan masyarakat dan layanan yang diberikan oleh lembaga pemerintah (Caesaringi, 2018).

Di sisi lain, masyarakat secara aktif berinteraksi di dunia maya melalui platform sosial media, yang dikenal dengan Information Society (Partridge, 2007). Information society dicirikan melalui interaksi tanpa batas, perspektif yang beragam serta berpotensi untuk memulai gerakan sosial melalui penggiringan opini (Antonijevi, 2018). 

Peristiwa Arab Spring di tahun 2011, yang dimulai dari diskusi yang terjadi pada platform sosial media Twitter berhasil menjatuhkan pemerintahan di 5 (lima) negara Timur Tengah.  Dapat disimpulkan, bahwa memahami Tingkat Kepuasan Masyarakat terhadap penyelenggara Negara sangat penting (Sahide et al, 2015)

Potensi Pemanfaatan Big Data di Indonesia

Big data secara umum dapat diartikan dengan data yang diproduksi oleh kegiatan publik, baik yang bersifat komersial maupun pribadi (Yumna et al, 2020). Faktanya, Indonesia adalah salah satu negara penghasil big data terbesar di dunia, dengan pengguna internet sebesar 175.4 juta orang atau sebanyak 64 persen dari populasi, dengan peningkatan sebesar 17 persen di tahun 2019 hingga 2020 (Hootsuite, 2020). 

Selain itu, pada bulan Januari 2020 saja, tercatat 10.65 juta tweets mewarnai percakapan dunia maya, dengan lebih dari 70 persennya berisikan dukungan maupun kritik terhadap pemerintah (Kemp, 2020).

Big Data dapat memahami pola interaksi yang unik, menemukan pola percakapan hingga mengidentifikasi aktor yang membentuk opini publik dalam sebuah jaringan percakapan yang tidak mungkin dilakukan dengan data skala kecil (Riahi & Riahi, 2018). 

Namun, potensi big data masih belum tereksplorasi secara maksimal, tercatat hanya Pemerintah Kota Bandung yang telah mencapai level corporate adoption, yakni menganalisis big data sebagai dasar pembuatan keputusan (Sirait, 2016). Di sisi lain, ukuran sampel yang besar, membutuhkan pendekatan yang inovatif, salah satunya melalui metode Social Network Analysis (SNA).

Social Network Analysis (SNA), Metode Eksplorasi Big Data pada Layanan Keimigrasian

Layanan Keimigrasian cukup popular di dunia maya, tercatat bahwa pada tanggal 19 Januari 2021, terdapat 1443 tweets, dan 205459 impression dengan kata kunci pencarian "DitjenImigrasi" pada platform sosial media Twitter, dengan sentimen yang beragam. 

Selain itu, analisis big data bersifat real time monitoring, yakni dapat mengetahui tingkat kepuasan serta kebutuhan masyarakat secara langsung, dengan biaya yang rendah (Murnawan & Siagian, 2017). Penggunaan big data dapat membantu dalam mengidentifikasi permasalahan yang dapat ditindaklanjuti melalui survei Kepuasan Masyarakat.

Social Network Analysis (SNA) sebagai metode eksplorasi big data akan digunakan sebagai sarana pemetaan jejaring sosial media, yang digunakan untuk melakukan identifikasi pola, struktur dan pemetaan jaringan komunikasi serta hubungan antar satu unit entitas dengan unit entitas lainnya (Setatama & Tricahyono, 2018). Metode SNA sangat dibutuhkan untuk mengurai big data yang bersifat acak, menjadi data yang bersifat terstruktur dan dapat dianalisis.

Secara singkat, langkah analisa big data melalui metode Social Network Analysis (SNA) dimulai dengan Data Mining, yakni mengekstrak data, dan menyusunnya dalam struktur yang berurutan dengan tujuan analisis (Dutt et al, 2017). Berikutnya, dilanjutkan dengan Data Cleaning, yakni melakukan menghapus determinan yang tidak diperlukan dalam sebuah dataset, dengan tujuan sifat dan variable data siap diolah sesuai dengan kebutuhan (Zhang & Liu, 2017). 

Selanjutnya adalah Data processing, dengan menggunakan Analisis Sentimen, dan Pemetaan Jaringan Percakapan. Kemudian, Data presentation, yang berarti mempresentasikan data dalam bentuk tabel sentimen, dan visualisasi jaringan percakapan, serta identifikasi aktor terkait (Yusainy et al, 2017).

Analisis SNA dengan Kata Kunci Ditjen Imigrasi

Sebagai gambaran, telah dilakukan analisis terhadap kata kunci "ditjenimigrasi" pada tanggal 01 Januari s.d 19 Januari 2021, yang menghasilkan 3197 tweets. Melalui analisis Social Network Analysis (SNA), didapatkan hasil bahwa 2298 masyarakat merespon positif, diikuti dengan 773 masyarakat merespon netral, dan hanya 126 masyarakat yang merespon negative terhadap kebijakan Keimigrasian selama pandemi COVID-19.  

Selain itu, teridentifikasi bahwa @ditjenimigrasi, menjadi pemulai percakapan, yang kemudian diteruskan kepada masyarakat oleh @kemenkumham_RI, @kanimdepok dan beberapa unit kerja terkait. Terakhir, percakapan pada level masyarakat awam dimulai oleh media mainstream, seperti @detikcom, dan @kompasid.

Penutup

Direktorat Jenderal Imigrasi sebagai salah satu lembaga penyelenggara pelayanan publik wajib memahami tingkat kepuasan dan kebutuhan masyarakat terkait layanan Keimigrasian. Potensi penggunaan big data dalam fungsinya untuk mengukur dan memahami tingkat kepuasan masyarakat sebagai sarana peningkatan Kualitas pelayanan publik, dalam kerangka mewujudkan dan mempertahankan Zona Integritas pada Direktorat Jenderal Imigrasi menjadi sebuah potensi yang tidak boleh dilewatkan. 

Kemampuan analisis big data dengan metode Social network Analysis (SNA) sebagai solusi yang efisien, cepat dan efektif dalam menjangkau seluruh lapisan pengguna layanan dapat dipertimbangkan sebagai sarana identifikasi permasalahan dalam mendukung survei kepuasan masyarakat yang dilaksanakan setiap tahunnya.

Melalui percobaan singkat, telah dibuktikan bahwa big data mampu mengkategorikan respon masyarakat. Berdasarkan 3197 tweets yang diunduh pada 19 Januari 2020, dapat disimpulkan bahwa 2298 masyarakat merespon positif, diikuti dengan 773 masyarakat merespon netral, dan hanya 126 masyarakat yang merespon negatif terhadap layanan publik ditjen Imigrasi selama pandemi COVID-19, sekaligus mengidentifikasi aktor yang terlibat. 

Berkaca dari potensinya yang besar, serta trial practice yang telah dilaksanakan, big data agaknya dapat menjadi solusi yang murah dan efisien untuk diiimplementasikan. Tujuannya cukup jelas, yakni agar seluruh satuan kerja pada Direktorat Jenderal Imigrasi dapat mencapai dan mempertahankan Zona Integritas, sekaligus relevan dengan semangat inovasi digital di lingkungan Direktorat Jenderal Imigrasi.

REFERENSI

Antonijevic, R. (2018). Characteristics of the Information Society: Implications for Education System. Open Journal for Information Technology 2018, Volume 1(2), pp. 43-50. DOI: https://doi.org/10.32591/coas.ojit.0102.03043a.

Caesaringi, I. (2017). Reformasi Birokrasi Kota Tegal (Studi Kasus Zona Integritas Bebas Korupsi dan Birokrasi Bersih BP2T dan RSUD Kardinah). Jurnal Jurusan Ilmu Politik dan Pemerintahan, Tahun 2017, pp. 1-37.

Dutt, A., Ismail, M., & Herawan, T. (2016). A Systematic Review on Educational Data Mining. Jurnal IEEE Access, Volume 5, Agustus 2017, pp. 15991-16005. DOI: 10.1109/ACCESS.2017.2654247.

Hollander, G. (2019, September 26). What is Structured Data vs. Unstructured Data? Mfiles Research Center. https://www.m-files.com/blog/what-is-structured-data-vs-unstructured-data/.

Hootsuite. (2020). Digital 2020: Global Digital Yearbook. Retrieved from https://datareportal.com/reports/?tag=Digital%202020,

Kemp, S. (2020, Februari 18). Digital 2020: Indonesia. Hootsuite. https://datareportal.com/reports/digital-2020-indonesia

Lukito, I. (2016). Implementasi Kebijakan Survei Kepuasan Masyarakat pada Unit Penyelenggara Layanan Publik Kementerian Hukum dan HAM. Jurnal Ilmiah Kebijakan Hukum, Volume 10, Nomor 3, November 2016, pp. 243 -- 256.

Murnawan, & Sinaga, A. (2017). Pemanfaatan Analisis Sentimen Untuk Pemeringkatan Popularitas Tujuan Wisata. Jurnal Penelitian Pos dan Informatika Volume 7 (2), Desember 2017, pp. 109-120. DOI: 10.17933/jppi.2017.070203.

Partridge, H. (2007). Establishing the Human Perspective of the Information Technology.  [Unpublished doctoral dissertation]. The Queensland University of Technology.

Riahi, Y., & Riahi, S. (2018). Big Data and Big Data Analytics: Concepts, Types, and Technologies. International Journal of Research and Engineering, Volume 5 (9), September -- October 2018, pp. 525-528. DOI: http://dx.doi.org/10.21276/ijre.2018.5.9.5

Sahide, A., Hadi, S., Setiawati, S.M., & Cipto, B. (2016). The Arab Spring: Membaca Kronologi dan Faktor Penyebabnya. Jurnal Hubungan Internasional, Volume 4 (20), Oktober 2015, pp. 118-129. DOI: https://doi.org/10.18196/hi.2015.0072.118-129

Setatama, M.S. &Tricahyono, D. (2017). Implementasi Social Network Analysis dalam Penyebaran Country Branding "Wonderful Indonesia". Jurnal Ind. Journal on Computing, Volume. 2 (2), September 2017, pp. 91-104. DOI: 10.21108/indojc.2017.22.183.

Sirait, E., R., E. (2016). Implementasi Teknologi Big Data Di Lembaga Pemerintahan Indonesia. Jurnal Penelitian Pos dan Informatika, Volume 6 (2), November 2016, pp. 113 -- 136. DOI: 10.17933/jppi.2016.060201.

Yumna, A., Saputri, N.S., & Anbarani, M.D (2020). Mendalami Peran Big Data Dalam Optimalisasi Kualitas Program Jaminan Kesehatan Nasional (JKN). Jurnal Catatan Isu SMERU Volume 3, November 2020.

Yusainy, C. Chawa, A. F., & Kholifah, S. (2017). Social Data Analytics as An Alternative Method For Psychological Research. Jurnal Buletin Psikologi, Volume 25 (2), pp. 67-75. DOI: http://dx.doi.org/10.22146/jpsi.18377.

Zhang, L., & Liu B. (2017). Sentiment Analysis and Opinion Mining. In: Sammut C., Webb G.I. (eds) Encyclopedia of Machine Learning and Data Mining. Springer, Boston, MA; USA. DOI: https://doi.org/10.1007/978-1-4899-7687-1_907