MARKOV CHAIN ANALYSIS, METODE ALTERNATIF DALAM MENGUKUR TINGKAT ELEKTABILITAS PESERTA PEMILU MELALUI TAGAR: STUDI KASUS PEMILIHAN PRESIDEN INDONESIA TAHUN 2019

Abstract

Tingkat elektabilitas merupakan informasi yang sangat penting bagi peserta pemilihan umum (pemilu) baik calon legislatif maupun eksekutif. Selama ini, elektabilitas seorang kandidat diukur melalui survei yang dilakukan beberapa waktu sebelum masa tenang pemilihan. Selain membutuhkan biaya yang besar, terdapat rentang waktu antara survei dengan hari pemungutan suara sehingga hasilnya berpotensi bias. Oleh karena itu, dibutuhkan sebuah metode alternatif yang dapat digunakan sebagai pembanding dari hasil survei elektabilitas. Penelitian dengan memanfaatkan informasi melalui media sosial menjadi semakin relevan seiring dengan semakin banyaknya pengguna media sosial di Indonesia. Salah satu pendekatan yang cukup menjanjikan dalam mengukur elektabilitas peserta pemilu dengan memanfaatkan media sosial adalah Markov Chain Analysis (MCA). Selain berbiaya rendah, MCA juga dapat mengukur tingkat elektabilitas pada hari pemungutan suara yang tidak dapat dilakukan melalui survei. Sebagai ilustrasi, penelitian ini mengaplikasikan MCA pada pemilihan presiden (pilpres) 2019. Penelitian ini bertujuan untuk mengukur tingkat elektabilitas terhadap kedua pasangan calon di media sosial melalui tagar utama pendukung masing-masing paslon (#2019tetapjokowi dan #2019gantipresiden). Hasil penelitian menunjukkan bahwa pada hari pemungutan suara, diprediksi jumlah penyebutan #2019gantipresiden di media sosial akan lebih banyak daripada #2019tetapjokowi. Meskipun berbeda dengan hasil perhitungan resmi pada pilpres 2019, metode MCA merupakan metode alternatif berbiaya rendah yang berpotensi dikembangkan untuk mengukur tingkat elektabilitas peserta pemilu pada masa yang akan datang. Pemilihan dan penambahan tagar yang representatif merupakan kunci penting dalam meningkatkan akurasi hasil analisis MCA.