Tugas Analisis Jaringan Sosial (SNA) Menggunakan Gephi

 

Gambar 1. Grafik Jaringan Sosial. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022)

Pada artikel sebelumnya, saya akan menganalisis beberapa kata kunci (keywords) 'komnas ham kanjuruhan' mengunakan situs Netlytic. Kali ini saya akan menggunakan aplikasi Gephi. Untuk mengetahui aktor yang berpengaruh pada jaringan ini, kita perlu menentukannya dari berbagai metrik, seperti Degree Centrality, Closeness Centrality, Betweenness Centrality, dan Eigenvector Centrality. Berikut pembahasaannya:

A. Degree Centrality

Gambar 2. Grafik Jaringan Sosial Berdasarkan Degree. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022)

Gambar 3. 5 Akun dengan Degree Terbesar. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022) 

Degree Centrality merupakan ukuran pemusatan yang menghitungan banyaknya edge (Hubungan/Interaksi) yang terhubung ke suatu node (Aktor) atau jumlah koneksi yang dimiliki node. Dalam jaringan ini, 5 akun twitter dengan jumlah Degree tertinggi adalah panditfootball (797), disusul  akun registaco (795), cnnindonesia (291), detikcom (211), dan bospurwa (155). Koneksi yang dimiliki beberapa aktor (Nodes) terdiri dari In-Degree dan Out-Degree.

1. In-Degree

In-Degree adalah arah hubungan yang menuju ke aktor, bisa di peroleh dari banyaknya retweet terhadap cuitan/tweet aktor. 5 Akun twitter dengan jumlah In-Degree tertinggi adalah panditfootball (795), disusul  akun registaco (795), cnnindonesia (291), detikcom (210), dan bospurwa (154).

2. Out-Degree

Out-Degree adalah arah hubungan yang keluar dari aktor, bisa di peroleh dari banyaknya aktor melakukan reply atau retweet terhadap cuitan/tweet aktor. 5 Akun twitter dengan jumlah Out-Degree tertinggi adalah apr_doang (31), disusul  akun erickconstant14 (17), rendroko (17), icatwps (9), dan hermanbudisant4 (8).


B. Closeness Centrality

Gambar 4. Grafik Jaringan Sosial Berdasarkan Closeness Centrality. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022)

Gambar 5. 5 Akun dengan Closeness Centrality Terbesar. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022) 

Closeness Centrality (Nilai 0 s.d 1) adalah ukuran jangkauan/kedekatan aktor dengan aktor lainnya, diukur dari berapa langkah seorang aktor dapat menghubungi aktor lain. Berikut 5 Akun twitter dengan jumlah Closeness Centrality tertinggi yaitu panditfootball (1.0), detikcom (1.0), hermanbudisant4 (1.0), komppastv (1.0), dan apr_doang (1.0).


C. Betweenness Centrality

Gambar 6. Grafik Jaringan Sosial Berdasarkan Betweenness Centrality. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022)

Gambar 7. 5 Akun dengan Betweenness Centrality Terbesar. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022) 

Betweenness Centrality adalah node (Aktor) yang menghubungkan dua node lainnya (Getaway/Bridge). Dihitung bobot setiap aktor berdasarkan seberapa banyak aktor yang dilalui oleh aktor lainnya. 5 Akun twitter pada jaringan ini yang memiliki jumlah Betweenness Centrality tertinggi adalah panditfootball (796.0), detikcom (213.0), hermanbudisant4 (63.0), erickconstant14 (38.0), dan komppastv (36.0).


D. Eigenvector Centrality

Gambar 8. Grafik Jaringan Sosial Berdasarkan Eigenvector Centrality. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022)

Gambar 9. 5 Akun dengan Eigenvector Centrality Terbesar. Sumber: Data Penulis yang Diolah di Gephi 0.9.7 (2022) 

Eigenvector Centrality adalah seberapa penting/seberapa populer node (Aktor) yang berjaring dengan aktor. Eigenvector Centrality memiliki nilai antara 0 s.d 1. Berikut 5 Akun twitter dengan jumlah Eigenvector Centrality tertinggi yaitu panditfootball (1.0), disusul  akun registaco (0.89), cnnindonesia (0.33), detikcom (0.24), dan bospurwa (0.19).




Tugas ini dibuat oleh:

Nama : Panji Pandawa Al Rachim

NPM  : 17822179

Kelas  : 4MA26

Comments

Post a Comment

Popular posts from this blog

Materi Pengumpulan Data Penelitian Jaringan: Wawancara Menggunakan Kuesioner

Image
Ilustrasi Kuesioner (Kiri) dan Wawancara (Kanan). Sumber: Google Images A. Teknik Pengumpulan Data Fokus dari penelitian jaringan yaitu menggambarkan relasi (link) diantara aktor (node). Oleh karena itu, data yang dibutuhkan dalam studi jaringan komunikasi yaitu data mengenai relasi. Untuk  mendapatkan data tersebut kita melakukan pengumpulan data. Teknik pengumpulan data jaringan dapat diperoleh dengan empat kategori: wawancara terstruktur, wawancara tidak terstruktur,observasi dan arsip/dokumen (Marsden, 2005; Marin & Wellman,  2011). 1. Wawancara terstruktur ,  Wawancara ini dilakukan  secara terstruktur dengan m enggunakan kuesioner.  Data mengenai jaringan (aktor dan relasi antara aktor) dapat diperoleh dengan menanyakan kepada aktor.  2. Wawancara tidak terstruktur ,  Peneliti menggunakan jenis pertanyaan  terbuka yang  nanti hasilnya kemudian  di identifikasi kembali  relasi di antara aktor. 3. Observasi , Pada teknik penelitian ini, Peneliti  mengamati objek  yang diteliti,
Read more

Representasi Jejaring Sosial dalam Bentuk Graf

Image
  Gambar 1. Jejaring Sosial Jejaring sosial  adalah suatu  struktur sosial  yang dibentuk dari simpul-simpul (yang umumnya adalah individu atau organisasi) yang dijalin dengan satu atau lebih tipe relasi spesifik seperti  nilai ,  visi ,  ide ,  teman ,  keturunan , dll. Dalam mempelajari jaringan tersebut, kita menggunakan teori graf.  Teori graf , cabang matematika yang dikembangkan oleh matematikawan swiss,  Leonhard Euler,  mempelajari jaringan titik-titik (Point/Node) yang dihubungkan oleh garis (Line/Edge). Berikut representasi jejaring sosial berdasarkan komunikasi saya dan keluarga di aplikasi Whatsapp selama seminggu (7 hari), dan  penjelasan jenis relasi aktor yang terlibat di dalamnya.  Gambar 2. Representasi Jejaring Sosial dalam Bentuk Graf Dari gambar diatas, menunjukkan relasi antar aktor memiliki arah ( directed graph ).  Pada relasi yang mempunyai arah ( directed ) ada pengirim dan penerima, ada subjek dan objek.  Berikutnya gambar di atas menunjukkan nilai itensitas (
Read more

Menganalisis Maksud Pesan dan Klasifikasi Percakapan Twitter Berdasarkan Tipologi Struktur Jaringan

Image
Gambar 1. Jaringan Sosial (SNA). Sumber: Diolah dari Situs Netlytic Intent taksonomi adalah pendekatan untuk lebih memahami penggunaan yang beragam dan  mengatur maksud terkait untuk tindakan netizen di medsos (Media Sosial). Peneliti dapat mempertimbangkan representasi spektrum untuk  penggunaan OSN dengan efek positif hingga negatif. Spektrum untuk menunjukkan intent (Maksud) dari variasi pengguna ( User ) di medsos terdiri dari social good , social bad , dan social ugly.
Read more