Pendahuluan
Klitih merupakan istilah dari bahasa jawa yang berarti aktivitas mencari angin di luar. Namun sekitar tahun 2000-an klitih berubah menjadi salah satu fenomena kriminalitas yang terjadi di Provinsi Daerah Istimewa Yogyakarta bahkan menjadi populer dengan kepanjangan "KlilKliling Golek Getihliling Cari Darah)". Dahulu, klitih merupakan permusuhan antar kelompok namun seiring berjalannya waktu korban klitih tidak hanya pelajar melainkan juga masyarakat umum (LM Psikologi UGM, 2022). Pelaku klitih mayoritas adalah pelajar, dan sebagian pengangguran (LM Psikologi UGM, 2022).
Media sosial sebagai platform digital kini berkembang menjadi media informasi mengenai kejadian-kejadian yang terjadi di lingkungan user. Salah satunya, terkait informasi kriminalitas klitih di Yogyakarta. Twitter menjadi salah satu platform media sosial yang banyak memberikan informasi terkait kriminalitas. User menuliskan cuitan/tweet mengenai klitih, baik yang mereka alami ataupun berita dari orang lain. Cuitan user twitter dapat diekstrak atau diambil dengan menggunakan metode tertentu. cuitan-cuitan user dapat digunakan untuk mengetahui trend atau isu mengenai topik-topik tertentu, salah satunya klitih.
Data sebaran trend topik klitih di Yogyakarta dapat dilakukan dengan mengambil data cuitan user pada platform twitter dan pengambilan data (scraping) ini dapat dilakukan dengan menggunakan Python. Data hPythoni>scraping dapat digunakan untuk pemetaan karena dapat memberikan informasi geotagging. Dari informasi tersebut dapat dilakukan visualisasi untuk mengetahui isu klitih di Yogyakarta dan lokasi mana yang sering mengangkat isu tersebut sesuai dengan cuitan di twitter.
Pemetaan isu klitih dapat memberikan informasi lokasi mana saja yang sering mengangkat isu klitih. Adanya informasi ini dapat diketahui bagaimana pemetaan isu klitih pada lingkup kota/kabupaten dan data ini dapat menjadi pertimbangan dalam mendapatkan kemungkinan-kemungkinan solusi terkait klitih.
Data dan Peralatan
Geovisualisasi isu klitih memanfaatkan cuitan masyarakat di media sosial, yaitu twitter. Pengambilan data (scrapi(scraping)kan dengan menggunakan Colab Notebooks (Google Colab) sebagai client-side browser berbasis python. Scraping data dari media sosial twitter menggunakan beberapa parameter antara lain:
- kata kunci = ‘Klitih’
- titik awal = 0 km Yogyakarta
- radius pencarian = 140 km
- waktu = 1 Januari 2021-Desember 2022
Pemilihan parameter ini berdasarkan pada percobaan yang telah dilakukan, di mana radius 100 km dari titik 0 km jogja menunjukkan telah mencakup wilayah Yogyakarta. Selain itu, pemilihan rentang waktu 1 Januari 2021-Desember 2022 sebagai batasan waktu pencarian berasumsi untuk mengetahui trend waktu tersebut.
Data hasil scaping perlu dilakukan filtering menggunakan Ms. Excel, namun filterinMs. Excelg dilakukan hanya memperhatikan geotagging lokasi user ketika menuliskan cuitan. Data hasil filtering selanjutnya di-plotting dengan menggunakan perangkat lunak QGIS 3.12 berdasarkan koordinat geografis lintang dan bujur, dan hasil plotting berupa titik dengan informasi-informasi cuitan. Penjelasan umum pengolahan sesuai dengan Gambar 2.
Selain menggunakan data hasil scraping dibutuhkan juga data batas administrasi kota/kabupaten wilayah Provinsi D.I Yogyakarta bertipe poligon. Data administrasi ini berasal dari website Ina-Geoportal milik Badan Informasi Geospasial. Data batas administrasi kota/kabupaten di-overlay dengan data titik cuitan, dan selanjutnya dihitung jumlah cuitan berdasarkan batas administrasi. Hasilnya berupa poligon batas administrasi dengan tambahan field yaitu jumlah cuitan berdasarkan batas kota/kab.
Klasifikasi tingkat persebaran isu berdasarkan data scraping dilakukan dengan menggunakan fitur simbologi pada perangkat lunak QGIS dengan metode Natural Breaks pada klasifikasinya. Klasifikasi dibagi menjadi tiga kelas, yaitu
-
1.Kelas Rendah : 10-43 cuitan
-
2.Kelas Sedang : 43-202 cuitan
-
3.Kelas Tinggi : 202-281 cuitan
Penentuan kelas dengan Natural Breaks dipilih karena lebih representatif terhadap distribusi data yang dimiliki. Geovisualisasi dilakukan pada Maps Editor dan Maps Viewers yang ada pada platform GEO MAPID.
Hasil dan Pembahasan
Hasil CrawCrawling Data Twitter
Hasil yang diperoleh dari proses crawling data twitter berupa semua tweet/cuitan yang mengandung kata klitih’ disimpan dalam format .csv seperti yang ditampilkan pada Gambar 3.
Sebelum dilakukan proses import pada aplikasi pengolah data spasial, terlebih dahulu dilakukan proses filter untuk mengambil data yang memiliki informasi koordinat. Jumlah data yang diperoleh setelah proses filter koordinat sebanyak 712 titik, hasil filter ditunjukkan pada Gambar 4.
Visualisasi Data
Berdasarkan Gambar 5 secara visual dapat dilihat bahwa isu klitih terlihat ada data yang berkelompok dan menyebar. Adapun untuk data yang berkelompok berada di Kota Yogyakarta, sedangkan untuk data yang menyebar dan cenderung jumlah kasusnya sedikit berada di Kabupaten Gunungkidul.
Proses analisis dilakukan berdasarkan jumlah isu klitih yang terjadi pada masing - masing kabupaten / kota di daerah istimewa yogyakarta. Adapun jumlah kejadian untuk setiap kabupaten / kota ditunjukkan pada Gambar 6.
Gambar 6 menunjukkan bahwa isu klitih paling banyak terjadi di Kabupaten Bantul dengan jumlah 281 data. Data statistik yang diperoleh, dilakukan proses visualisasi data aturan klasifikasi Natural Breaks dengan membagi data menjadi 3 kelas dengan kategori Rendah, Sedang, dan Tinggi. Pendefinisian kelas tersebut berdasarkan banyaknya isu klitih yang terjadi di kabupaten / kota di Provinsi Daerah Istimewa Yogyakarta. Hasil visualisasi diperoleh sebagaimana ditunjukkan pada Gambar 7.
Kabupaten Bantul ditunjukkan dengan warna merah tua atau kategori tinggi. Sedangkan untuk Kabupaten Kulon Progo dan Gunungkidul ditunjukkan dengan warna merah muda atau dalam kategori rendah.
Selain dilakukan proses klasifikasi, visualisasi dapat dilakukan dengan menggunakan fitur yang ada pada Maps Editor yang telah disediakan oleh GEO MAPID. Pada fitur simbologi, dapat dilakukan simbologi berapa banyak cuitan di lokasi titik tertentu, seperti yang ditunjukkan pada Gambar 8.
Selain itu, ketika dilakukan perbesaran pada titik-titik tertentu yang memiliki lebih dari 1 cuitan/tweet akan muncul berapa banyak cuitan di lokasi tersebut.
Berdasarkan hasil geovisualisasi pemetaan data scraping ‘klitih’ menggunakan media sosial klitih, data dapat divisualisasikan spasialnya. Pemetaan ini dapat digunakan sebagai data awal dalam identifikasi isu klitih serta solusi apa saja yang dimungkinkan untuk menyelesaikan permasalahan kriminal, khususnya ‘klitih’ di Yogyakarta.
Kesimpulan
-
1.Hasil data crawling twitter dengan kata kunci klitih memberikan hasil berupa semua tweet (cuitan) yang mengandung kata klitih akan secara otomatis akan masuk dalam data yang diperoleh meskipun data tersebut tidak memiliki informasi koordinat.
-
2.Hasil visualisasi menggunakan proses klasifikasi 3 kelas (rendah, sedang, tinggi) menunjukkan bahwa isu klitih terjadi tertinggi di Kabupaten Bantul yang ditunjukkan dengan warna merah tua dan cuitan-cuitan muncul memusat di sekitar perbatasan Kabupaten Bantul dan Kota Yogyakarta.
Referensi
Gunawan, Muhammad., Trias Aditya. 2019. ANALITIK GEOVISUAL POLA KEJADIAN DAN PERGERAKAN KRIMINALITAS BERBASIS DATA MEDIA SOSIAL. PROSIDING SEMINAR NASIONAL GEOTIK 2019. ISSN: 2580-8796.
lm.psikologi.ugm.ac.id. (2022, 21 Mei). Fenomena Klitih di Yogyakarta : Mengapa Bisa Terjadi?. Diakses pada 7 Desember 2022, dari https://lm.psikologi.ugm.ac.id/2022/05/fenomena-klitih-di-yogyakarta-mengapa-bisa-terjadi/
merdeka.com. (2022, 11 Oktober). Kengerian Klitih, Cerita, dan Data. Diakses pada 7 Desember 2022, dari https://www.merdeka.com/khas/musim-klitih-di-yogyakarta.html
tanahair.indonesia.go.id. Diakses pada 1 Desember 2022 https://tanahair.indonesia.go.id/
Tim:
Wening A. F. Koman
Dewi Candraningtyas
Asyfi'na Shofiyal Izza
![[GEODATA] Tutupan Lahan Indonesia](https://mapidstorage.s3.amazonaws.com/general_image/mapidseeit/1684312961161_COVER%20GEODATA_%20Tutupan%20Lahan.png)
![[GEODATA] Status Ekonomi dan Sosial (SES) Indonesia](https://mapidstorage.s3.amazonaws.com/general_image/mapidseeit/1693454652933_20230831-085941.jpg.jpeg)
![[GEODATA] Zona Nilai Tanah Indonesia](https://mapidstorage.s3-ap-southeast-1.amazonaws.com/foto_doc/mapidseeit/doc_1648096194_dc9f5d2f-f7b0-43f7-8006-1e8195b361dd.jpeg)
