PENDAHULUAN
Permasalahan
Hal ini terutama berlaku untuk stratifikasi dan aksesibilitas sosial, yang pada tingkat nasional juga diterjemahkan ke dalam ruang spasial. Penelitian ini akan mencoba mengkaji secara kritis potensi penggunaan big data dalam kajian ilmu sosial dalam konteks masyarakat Indonesia.
Pertanyaan Penelitian
Sebuah proses yang mungkin hampir tak terelakkan mengingat meluasnya penerapan big data dalam berbagai kajian ilmu sosial kontemporer. Dimana peneliti melihat kemungkinan adanya proses eksklusi pengetahuan dari kelompok masyarakat tertentu, yang pada suatu saat dapat menimbulkan bias terhadap kekuatan wacana yang tercipta dalam proses kajian di ranah akademik.
Tujuan Penelitian
Konteks sosial, ekonomi, dan budaya Indonesia yang sangat khas justru memungkinkan terciptanya prasangka kelompok dengan ciri tertentu. Sebuah proses yang jika tidak diamati dengan seksama, berpotensi menciptakan struktur pengetahuan yang juga bias oleh kelas sosial.
Signifikansi Penelitian
Sistematika Penulisan
Kelompok pertama yang melihat kemunculan big data sebagai empirisme baru (new empirisme) berpegang pada gagasan ideal bahwa melalui big data peneliti dapat langsung melihat hubungan dan pola yang mungkin belum diketahui sebelumnya (Dyche 2012). Konteks sosial Indonesia penting untuk memahami sejauh mana big data relevan untuk menjelaskan realitas sosial.
KERANGKA PEMIKIRAN
Big Data dan Representasi yang Inklusif
Keduanya melihat bahwa kecenderungan data yang dihasilkan dalam proses observasi melalui big data sangat dipengaruhi oleh pengguna yang aktif. Pada saat yang sama, sangat sedikit penelitian yang melihat dimensi praktis penerapan data besar sebagai hasil dari pengetahuan yang dihasilkan. Peneliti melihat bahwa perbedaan keduanya relevan ketika melihat representasi struktur sosial dalam big data.
Argumen yang dibangun adalah bahwa big data dibentuk oleh perilaku digital; yang merupakan hasil dari kemampuan akses masyarakat. Argumen para pemikir big data dalam ilmu sosial juga harus ditempatkan dalam konteks sosial semacam ini. Kondisi ini juga pada akhirnya memberikan penjelasan tentang sejauh mana makna big data yang diekstraksi dari Internet.
Fungsi big data sebenarnya sama seperti alat penelitian lainnya, yaitu sebagai alat untuk memahami realitas sosial yang muncul.
Big Data dan Representasi yang Eksklusif
Posisi Penelitian: Representasi Strata Sosial dalam Big Data
Selain itu, belum ada penelitian yang memposisikan masalah representasi dalam big data, yang menurut peneliti merupakan argumentasi utama yang sangat penting karena hampir berkaitan dengan semua argumentasi kajian dan asumsi teoritis yang ada. Kajian ini sendiri mengambil sikap untuk mengkaji derajat keterwakilan penduduk, khususnya dalam kaitannya dengan stratifikasi sosial masyarakat Indonesia.
Kerangka Konseptual
- Stratifikasi Sosial: Dampak dan Model Stratifikasi
- Permasalahan Metodologis dalam Big Data
Wagner-Pacifi, Mohr, & Brieger (2015) berpendapat bahwa penerapan big data dalam ilmu sosial dan humaniora secara inheren menghadirkan situasi yang menantang. Masalah biner ketiga adalah induksi/deduksi yang memediasi masalah model analisis seperti apa yang membedakan antara ilmu-ilmu sosial yang mapan dan bagaimana data disusun dalam big data.
Variabel Penelitian
- Variabel Independen: Kelas Sosial
- Variabel Dependen: Akses Internet
- Varibel Kontrol: Konteks Sosial dan Konteks Spasial
- Hubungan Antar Variabel
Logika Penelitian
Alur Berpikir
Hipotesis Penelitian
Penelitian ini merupakan penelitian dasar, disebut juga penelitian murni atau penelitian akademik. Neuman (2014:26) berpendapat bahwa desain penelitian ini bertujuan untuk meningkatkan pemahaman teoritis terhadap suatu fenomena.
Jenis Data
Neuman (2014: 38) menjelaskan bahwa jenis penelitian ini memiliki tujuan utama untuk menyelidiki secara mendetail suatu fenomena yang cenderung diteliti. Penelitian ini menekankan menjawab pertanyaan "mengapa", secara efektif menjadikan komunitas ilmiah sebagai audiens utamanya.
Teknik Pengolahan Data
- Teknik Kategorisasi Kelas: Metode Indeks
- Metode Kuantifikasi Variabel Akses Internet
- Metode Identifikasi Variabel Konteks Sosial dan Spasial
Hal ini terlihat pada model indeks sosial ekonomi yang menempatkan pendidikan sebagai komponen penting selain pendapatan dan lapangan kerja. Hal ini dapat dipahami karena rumah tidak hanya tampil sebagai aset yang mempengaruhi kualitas hidup, tetapi juga citra prestise di masyarakat. Hal ini karena mengacu pada data Susena 2016, tingkat kepemilikan rumah di Indonesia secara nasional mencapai 85,6.
Hal ini disebabkan anggapan bahwa perilaku digital merupakan instrumen awal pembentukan data yang kemudian akan dieksplorasi dan pada akhirnya menjadi big data yang digunakan dalam analisis dan penelitian. Ini karena data mentahnya cukup dan tidak perlu terlalu banyak konversi.
Keterbatasan Penelitian
Hal ini menunjukkan bahwa kelas sosial merupakan mediator eksklusi yang lebih kuat dalam akses Internet di komunitas pedesaan daripada di perkotaan. Analisis regresi logistik kelas sosial pada akses internet dengan kontrol konteks spasial (Jawa dan non-Jawa). Analisis variabel komposit kelas sosial pada akses internet dengan kontrol konteks spasial (Jawa dan non-Jawa).
Pertama, konteks Indonesia menunjukkan bahwa kelas sosial merupakan variabel penting dalam menjelaskan kemampuan masyarakat untuk mengakses. Penelitian ini berhasil menemukan bagaimana hubungan antara kelas sosial dan kemampuan akses masyarakat Indonesia, dan di satu sisi menjelaskan.
REPRESENTASI BIG DATA & STRUKTUR NETWORK SOCIETY
Kelas Sosial dalam Dunia Digital di Indonesia
- Konteks Distribusi Kelas Sosial di Indonesia
- Pengaruh Kelas Sosial Terhadap Akses Internet di Indonesia
Ada kecenderungan bahwa semakin ke timur Indonesia maka akan semakin rendah kedudukan kelas sosialnya, sedangkan semakin ke barat maka semakin banyak penduduk yang menduduki kelas menengah ke atas. Konteks distribusional ini menggambarkan sebuah asumsi penting dalam kajian ini bahwa kelas sosial dalam masyarakat Indonesia tidak hanya diterjemahkan dalam konteks stratifikasi sosial berdasarkan kualitas kedudukan sosial yang berbeda, tetapi sekaligus juga diterjemahkan secara spasial dalam ruang fisik. Berdasarkan perhitungan statistik, diketahui bahwa kelas sosial merupakan penentu pada R2 0,377 akses individu ke Internet, atau dengan kata lain kelas sosial dapat menjelaskan perbedaan nilai akses hingga 38%.
Peneliti berpendapat bahwa fenomena ini disebabkan oleh posisi kelas sosial yang penting dalam mengatasi hambatan struktural dalam mengakses dan menggunakan internet. Dikatakan bahwa Ho ditolak dan Ha diterima; Hal ini karena terbukti adanya hubungan statistik antara kelas sosial dan akses digital, yang sekaligus menunjukkan adanya pembagian eksklusif di ruang digital Indonesia berdasarkan kelas sosial.
Kelas Sosial dalam Relasi Desa-Kota: Kelompok Elit dan Imitasi Digital
Pada berbagai rentang kelas, masyarakat perkotaan secara efektif memiliki kemampuan akses yang lebih baik daripada masyarakat pedesaan. Hasilnya adalah pendidikan dan gaya hidup menjadi sangat menentukan dalam menentukan kapasitas akses di masyarakat pedesaan, dan pada saat yang sama pengeluaran yang sebenarnya menjadi penghalang substansial (kepemilikan modal ekonomi sebagai prasyarat akses internet) tampaknya memiliki efek yang semakin berkurang dibandingkan dengan masyarakat perkotaan. Kebutuhan masyarakat desa dalam hal ini menunjukkan kebutuhan untuk menjadi “kota” melalui gaya hidup yang terhubung dengan media sosial.
Kebutuhan gaya hidup yang mendesak ini cenderung membantu masyarakat desa beradaptasi dalam upaya mengakses internet. Di satu sisi, terdapat realitas dunia digital yang didominasi oleh kecenderungan masyarakat perkotaan untuk menjalani gaya hidup perkotaan, namun pada saat yang sama telah terbentuk kelompok-kelompok elite di dalam masyarakat pedesaan yang mampu meniru dunia digital dengan sangat baik. perilaku masyarakat kota.
Eksklusi Berbasis Spasial dan Pengaruhnya dalam Dunia Digital Indonesia … 65
Berdasarkan uji statistik dengan menggunakan model regresi logistik, kami menemukan bahwa semakin ke timur Indonesia, semakin penting posisi kelas sosial dalam menentukan kemampuan masyarakat untuk mengakses Internet. Kelas artinya variabel pembentuk kelas tidak hanya menjadi penentu tetapi cukup kuat pengaruhnya terhadap fenomena akses internet masyarakat Indonesia bagian timur dibandingkan dengan Indonesia bagian barat. Konteks ini menunjukkan bahwa dalam kaitannya dengan kelas sosial, Jawa lebih inklusif terhadap akses Internet dibandingkan dengan wilayah non-Jawa, yang sangat bergantung pada sejauh mana seseorang mampu menduduki suatu posisi kelas.
Secara statistik terlihat bahwa pengaruh kelas sosial lebih besar pada perempuan daripada laki-laki. Catatan terpenting adalah bahwa pengecualian kelas bawah dari akses internet terjadi di semua generasi.
Struktur Sosial dalam Network Society Indonesia: Transformasi Strata Sosial dan
Kondisi ini pada dasarnya menggambarkan bahwa sebuah komunitas jaringan yang menggambarkan konektivitas memiliki sisi lain, yaitu eksklusivitas. Peneliti sependapat dengan argumen van Djik (2013), yang melihat bahwa transisi menuju masyarakat jaringan menjadikan eksklusivitas sebagai protagonisnya. Posisi media dan jejaring sosial, yang esensial dalam masyarakat berjejaring, di satu sisi memberikan karakter.
Pada titik ini, masyarakat jaringan harus dilihat dari segi realitas empiris yang tidak sepenuhnya mampu mengubah struktur masyarakat. Proses sentralisasi yang terjadi dalam struktur sosial masyarakat Indonesia dalam masyarakat jaringan pada dasarnya merupakan gambaran transformasi dari bentuk stratifikasi sebelumnya; dibentuk atas dasar sosial ekonomi untuk mendapatkan akses.
Media Sosial: Data Mining yang Paling Representatif?
Jadi pengalaman Indonesia memungkinkan kami untuk menarik beberapa kesimpulan penting tentang seberapa jauh kami dapat mempercayai big data. Kedua, konteks struktural Indonesia menunjukkan bahwa big data lebih mewakili aktor-aktor dengan karakteristik kelas menengah ke atas di wilayah perkotaan di kawasan timur Indonesia. Selama sosiologi menganggap bahwa kelas sosial dan basis budaya sekitarnya merupakan variabel penting dalam membentuk masyarakat, eksklusi sosial yang terjadi akan selalu tercermin dalam big data.
Pertama, big data adalah kumpulan data yang pada dasarnya diterjemahkan menjadi konsentrasi, sebagai kelebihan ketidaksetaraan dalam akses digital. Wikipedia, Sosiologi dan Janji dan Jebakan Data Besar”, Data Besar dan Masyarakat Juli-Desember 2015, hal.
KESIMPULAN
Implikasi Teoretis: Membanding Representasi Digital dan non-Digital?
Kepercayaan data besar pada dasarnya adalah kepercayaan pada data dalam jumlah besar yang mencakup hampir seluruh populasi dan tingkat pembaruan data yang hampir real-time. Pendekatan neo-empiris sebagai kelompok “radikal” yang percaya bahwa penggunaan big data adalah akhir dari model teoretis deduktif, misalnya, melihat populasi ditangkap langsung oleh data digital (lihat argumen Anderson 2008; Dyche 2012). Kelompok ilmiah berorientasi data, yang melihat pertemuan model teoretis konvensional dan data besar sebagai pergeseran paradigma, sebenarnya juga mengandaikan identifikasi data besar yang dapat mewakili realitas non-digital (lihat argumen Kitchin 2014, Crawford 2013).
Hal ini relevan karena big data merupakan bagian dari metodologi, sebagaimana asumsi metodologi “konvensional” mencoba menempatkan representasi realitas sebagai sumber utama argumentasi. Tidak bisa sepenuhnya identik dengan realitas di luar ruang digital, bedanya kelompok elite menjadi dominan dalam big data; karena kelompok lemah semakin sulit mengakses ruang digital.
Implikasi Metodologis: Representasi Kelas Sosial dalam Populasi Digital … 96
Menghadapi hal semacam ini, kebutuhan untuk membentuk kerangka perwakilan yang patut dicontoh dalam proses penggalian data dari Internet menjadi penting. Studi ini berpendapat bahwa proses penambangan data seharusnya tidak hanya melihat subjek dalam konteks kode yang unik, tetapi dimungkinkan untuk membandingkannya dengan data demografis. Tanpa proses penyaringan ini, peneliti harus selalu curiga terhadap bias yang tercipta dalam proses analisis yang dilakukannya.
Namun lebih dari itu, berdasarkan penelitian Pattinasarany (2012), kami menemukan bahwa proses mobilitas kelas bawah sangat sulit terjadi dan hanya memungkinkan sedikit peningkatan proses mobilitas antar generasi. Sebuah proses yang tidak hanya menunjukkan peningkatan kemampuan ekonomi masyarakat dan jaringan sosial; namun secara umum mampu meningkatkan arus komunikasi yang membangun sikap aktif dalam proses politik dengan meningkatkan artikulasi kepentingan kelompok sosial yang berbeda.
Saran Untuk Penelitian Lanjutan
1986. "Some Elements of Translation Sociology: Domestication of the Scallops and the Fishermen of St. Exploitation of Affinities Between Subject Modeling and the Sociological Perspective on Culture: Application to American Newspaper Reporting. : Average 25% of Population Numbers secara Probability Proportional to Size (PPS), the large size of most of the different SP2010 layers.
Tahap 3: Pemilihan 10 rumah tangga terupdate menggunakan sistematik sampling dengan stratifikasi implisit menurut tingkat pendidikan tertinggi yang ditamatkan oleh kepala rumah tangga. Kerangka sampling utama atau kerangka sampling utama untuk kegiatan Susenas, Sakernas dan SUPAS 2015 adalah sekitar 180.000 blok pencacahan (25% dari populasi) yang terdiri dari SKM dengan ukuran rumah tangga SP2010 dari kerangka blok pencacahan utama.
