Analisis Kicauan Warganet Seputar WFH dalam Dua Tahun Terakhir, Seperti Apa?

Valiance mengungkapkan hasil analisisnya mengenai tweet warganet seputar WFH selama kurang lebih dua tahun terakhir.

oleh Agustinus Mario Damar diperbarui 23 Feb 2023, 16:00 WIB
Ilustrasi WFH. Sumber foto: unsplash.com/Thought Catalog.

Liputan6.com, Jakarta - Valiance, startup yang bergerak di machine learning dan menjadi bagian dari Pacmann mengumumkan analisis percakapan mengenai isu WFH di Indonesia dari para pengguna Twitter. Dalam analisis ini, Valiance mengumpulkan tweet berbahasa Indonesia dengan kata kunci working from home dan WFH.

Adapun pengumpulan data berlangsung sejak 2020, ketika kasus Covid-19 pertama di Indonesia resmi diumumkan, hingga Desember 2022. Selama periode tersebut, Valiance berhasil mengumpulkan 1.078.599 tweet.

"Kami memakai Natural Language Processing (NLP) untuk melakukan klasifikasi sentimen atas tweet mengenai WFH di Indonesia tersebut," tutur Chief Data Scientist di Valiance dan CEO Pacmann Adityo Sanjaya dalam keterangan resmi yang diterima, Rabu (22/2/2023).

Menurut Adi, isu WFH menarik dianalisis karena telah mengubah kultur kerja secara global, tak terkecuali di Indonesia.

Ia sendiri menuturkan, Pacmann telah menerapkan WFH bagi mereka yang bekerja di luar Jakarta dan sekitarnya, serta hybrid bagi mereka yang ada di wilayah Jakarta dan sekitarnya.

Setelah dilakukan analisis termasuk melalui proses pembersihan data, tweet yang telah terkumpul itu diklasifikasikan menggunakan NLP model. Langkah itu dilakukan untuk mengetahui apakah tweet memiliki sentimen positif, negatif, atau netral terhadap penerapan Work from Home ini.

Terungkap, ada 45,68 persen (492.652 tweet) yang memiliki sentimen negatif terhadap WFH. Sementara 39,69 persen (428.077 tweet) bersentimen positif, dan 14,64 persen (157.870 tweet) bersentimen netral.

Contoh Tweet Bersentimen Positif

  • wfh ini bikin irit biaya bensin
  • ya tapi enak sih jadi irit biaya wfh terus
  • kelebihan work from home: - hemat ongkos - hemat uang
  • wfh hari ini sungguh menghemat biaya makan
  • aku suka wfh. bisa hemat transport, hemat makan
  • wfh dan alhamdulillah bisa menikmati olah raga pagi.

Contoh Tweet Bersentimen Negatif

  • kenapa tiap wfh maag kambuh
  • work from home bisa membuat tagihan listrik naik
  • lagi work from home, eh tbtb mati lampu
  • kelamaan wfh, bb bertambah, stres kerja malah naik
  • baru wfh sehari, mati listriknya udah 2x
  • wfh bner2 ya bikin gue jadi tmbh doyan makan. bb naik.

Contoh Tweet Bersentimen Netral

  • kenapa tiap wfh maag kambuh
  • work from home bisa membuat tagihan listrik naik
  • lagi work from home, eh tbtb mati lampu
  • kelamaan wfh, bb bertambah, stres kerja malah naik
  • baru wfh sehari, mati listriknya udah 2x
  • wfh bner2 ya bikin gue jadi tmbh doyan makan. bb naik.

 


Volume

Biar fokus dan produktif, ini cara wujudkan ruang kerja yang nyaman di rumah.

Lalu berdasarkan volume, Valiance menemukan tweet terbanyak ditemukan pada Maret 2020. Kala itu, diskursus mengenai WFH mulai mengemuka.

Adapun sepuluh hari teratas dengan volume tweet mengenai WFH terbanyak ditemukan pada Maret 2020. Menurut Valiance, hal itu bisa dianggap wajar karena banyak instansi pemerintahan dan perusahaan swasta mulai menerapkan kebijakan WFH.

Selepas Maret 2020, tren percakapan menurun tajam hingga pertengahan 2020 dengan beberapa kali fluktuasi dimana terjadi peningkatan September 2020, Oktober 2020, Januari 2021, Juli 2021, Februari 2022, Mei 2022, dan Desember 2020.

Untuk mengetahui isi percakapan, Pacmann mengekstraksi kolokasi dari data tekstual yang lebih terkumpul. Dalam ilmu linguistik, kolokasi dapat didefinisikan sebagai sekelompok kata yang sering muncul bersama dan dapat memberikan informasi penting makna sekaligus penggunaan kata-kata tersebut.

Sebagai contoh, zona merah berkolokasi satu sama lain karena mereka sering digunakan bersama-sama. Dalam konteks pandemi Covid-19, zona merah merujuk pada wilayah geografis dengan jumlah kasus tinggi atau tingkat penularan tinggi.

"Untuk mengekstrak kolokasi dari data tekstual (korpus), kami menganalisis frekuensi dan kemunculan bersama kata-kata tersebut secara statistik," tutur Pengajar dan Data Scientis di Pacmann Cahya Amalinandhi Putra.

Setelah kolokasi terekstrasi dari korpus, mereka lantas dikategorikan dalam beberapa kelompok berbeda berdasarkan kedekatan makna atau aspek lainnya dengan skor statistik masing-masing kolokasi tersebut.

Ada empat kategori pokok percakapan mengenai isu WFH, yakni aktivitas, kesehatan, utilitas, dan lainnya.

Terpantau, kategori Utilitas memuat kolokasi paling banyak seperti "hemat transport", "irit jajan", "mati listrik", "menguras kuota", "putus koneksi", dan "tagihan naik".

Sementara, kolokasi di kategori Kesehatan termasuk “berat badan naik”, “maag kambuh”, “nafsu makan bertambah”, dan “timbangan turun”. Untuk informasi selengkapnya, lihat tabel di bawah ini:

 


Isu WFH

Ilustrasi pria muda terlihat sangat produktif saat bekerja di rumah dengan suasana ruangan yang nyaman/Shutterstock-Jelena Zelen.

Terkait isu WFH ini, Valiance merasa, perusahaan perlu memiliki pemahaman matang mengenai kebutuhan karyawan mereka mengenai fleksibilitas dan keseimbangan antara kehidupan kerja maupun pribadi, serta mengintegrasikan hal itu dalam tujuan bisnis perusahaan.

Dalam mengadopsi WFH, perusahaan perlu mempertimbangkan manfaat maupun risiko di dalamnya, seperti soal produktivitas, kesejahteraan karyawan, kolaborasi, bahkan dampak sosial dan ekonomi.

Tidak hanya itu, perusahaan perlu mengatur kebijakan mereka sesuai dengan situasi yang dihadapi, sehingga dapat memaksimalkan manfaat WFH dan meminimalkan risikonya.

Menurut Valiance, tidak ada satu pendekatan yang cocok untuk semua perusahaan atau industri, sehingga perusahaan perlu merancang kebijakan yang selaras dengan kebutuhan maupun tujuan bisnis mereka, serta memastikan karyawan dapat bekerja dari mana pun secara efektif dan efisien. 


Sekolah Data, Engineering dan Bisnis di Pacmann

Ilustrasi Artificial Intelligence (AI), Machine Learning (ML). Kredit: Gerd Altmann from Pixabay

Terkait dengan NLP sendiri, Pacmann pernah membahas hal ini dalam artikel di blognya yang berjudul Natural Language Processing (NLP): Definisi, Cara Kerja, Manfaat, dan Contohnya.

Untuk diketahui, Pacmann merupakan perusahaan yang menyediakan pembelajaran di bidang data dan bisnis. Saat ini Pacmann telah mendirikan tiga sekolah, yaitu Sekolah Data, Sekolah Bisnis, dan Sekolah Engineering.

Masing-masing sekolah menawarkan kurikulum end-to-end, mendalam, up-to-date, dan sesuai dengan kebutuhan industri. Ada lebih dari 800 siswa dari berbagi latar belakang dan lebih dari 15.000 peserta webinar/workshop yang digelar oleh Pacmann. 

Salah satu program di Sekolah Data Pacmann yang membahas tentang NLP adalah program AI and ML Engineering. Sebuah program dengan durasi 6 hingga 12 bulan untuk belajar dan membangun solusi machine learning secara end-to-end, mulai dari pembentukan requirement hingga deployment.

Pacmann juga memiliki unit bisnis khusus bernama Valiance yang fokus pada penerapan dan pengembangan algoritma machine learning, termasuk dengan konsultasi pengelolaan data untuk bisnis dan perusahaan.

(Dam/Isk)


Infografis WFH Bukan Berarti Jalan-Jalan ke Luar Kota (Liputan6.com/Triyasni)

Infografis WFH Bukan Berarti Jalan-Jalan ke Luar Kota (Liputan6.com/Triyasni)

Rekomendasi

POPULER

Berita Terkini Selengkapnya