Visualisasi Sebaran Pengguna Bahasa Daerah Di Indonesia Berbasis Data Crowdsourced Twitter

DIDIT S, Dr. Bowo Susilo, S.Si., M.T.

2023 | Skripsi | KARTOGRAFI DAN PENGINDRAAN JAUH

Geovisualisasi merupakan metode dalam mempresentasikan data
geospasial. Salah contoh bentuk geovisualisasi yaitu peta. Peta dibuat untuk
memudahkan pengguna dalam melakukan analisis hubungan spasial antar
fenomena di permukaan bumi. Sumber pembuatan peta terdiri atas 6 jenis, meliputi
survei terestris, data statistik, fotogrametri, citra satelit, digitasi peta, serta sensus.
Seiring perkembangan zaman, kini muncul sumber data baru yaitu big data. Big
data, terutama big data media sosial dapat dimanfaatkan untuk pemetaan berbagai
fenomena, salah satunya adalah pemetaan pengguna bahasa daerah. Kelebihan
penggunaan big data untuk pemetaan ini yaitu lebih efisien serta hemat waktu,
biaya, dan tenaga. Berdasarkan hal tersebut, kemudian dilakukan penelitian ini
dengan tujuan untuk mengekstraksi data pengguna bahasa daerah dari big data
media sosial Twitter dan memvisualisasikannya secara kartografis dalam bentuk
peta statis guna menjadi gambaran sebaran penduduk menurut penggunaan bahasa
di Indonesia. Selain itu, juga dilakukan uji perbandingan data terhadap data sebaran
suku sebagai data referensi.
Tahapan penelitian terdiri atas tahap ekstraksi dan visualisasi data, serta
tahap analisis data. Ekstaksi data dilakukan menggunakan library snscrape pada
Python sedangkan visualisasi dilakukan menggunakan peta statis. Analisis
dilakukan dengan uji kesesuaian secara visual serta uji statistik menggunakan tabel
kontingensi.
Hasil ekstraksi dan pengolahan data diperoleh 119.380 pengguna bahasa
daerah dengan pengguna terbanyak adalah pengguna Bahasa Jawa. Visualisasi
dapat dilakukan dengan metode choropleth map, proportional symbol map, dan dot
map. Hasil analisis menunjukkan bahwa data pengguna bahasa daerah yang
diekstrak dari media sosial Twitter mempunyai kesesuaian tinggi dengan data
populasi suku hasil sensus penduduk tahun 2010 menurut perhitungan overall
accuracy dan mempunyai kesesuaian sedang menurut perhitungan kappa

Geovisualization is a method of presenting geospatial data. One example of
a form of geovisualization is a map. Maps are made to make it easier for users to
analyze spatial relationships between phenomena on the earth's surface. The
sources for making maps consist of six types: terrestrial surveys, statistical data,
photogrammetry, satellite imagery, map digitization, and censuses. Along with the
times, a new data source has appeared, namely big data. Big data, especially social
media big data, can be used to map various phenomena, one of which is the
mapping of local language users. The advantages of using big data for this mapping
is that it’s more efficient and saves time, cost, and effort. Based on this, this
research was then carried out with the aim of extracting local language users data
from Twitter's social media big data and visualizing it cartographically in a static
map to illustrate the distribution of the population according to language use in
Indonesia. In addition, a data comparison test was also carried out on ethnic
distribution data as reference data.
The research stages consist of the extraction and data visualization stages,
and the data analysis stages. Data extraction uses the snscrape library in Python,
while visualization uses static maps. Analysis was carried out by visual comparison
test and statistical test using contingency table.
The results of data extraction and processing obtained 119.380 local
language users with the most users being Javanese Users. Visualization can be
done by the method of choropleth map, symbol proportional map, and dot map. The
results of the analysis show that local language user data extracted from social
media Twitter has high compatibility with ethnic population data from the 2010
population census according to overall accuracy calculations and has moderate
suitability according to kappa calculations

Kata Kunci : Geovisualisasi, Big data, Twitter, Bahasa Daerah,Geovisualization, Big Data, Twitter, Local Languages