0:00
Asalamualaikum warahmatullahi
0:02
wabarakatuh. Perkenalkan nama saya
0:05
Faizal Anugra, npm 2355201065.
0:11
Di sini saya akan melakukan praktikum
0:13
analisis jaring sosial menggunakan
0:17
Baik, langsung saja ke tahap yang
0:19
pertama yaitu persiapan data set.
0:22
Dataset yang saya gunakan yaitu dataset
0:24
via API. saya mengambilnya eh melalui
0:27
Kegle berupa dataset Twitter@gnes
0:31
formatnya yang merepresentasikan
0:35
hubungan interaksi antar pengguna
0:39
Lalu yang harus kita pastikan yaitu di
0:43
eh import ini SD clean open. Nah, eh
0:49
struktur kolom itu wajib harus ada data
0:51
relasi minimal memiliki kolom source
0:54
aktor asal dan target atau aktor tujuan.
0:57
Yang kedua, jika ada missing value eh
1:01
harus kita hapus atau target kosong
1:04
harus kita hapus pada baris tersebut.
1:06
Yang ketiga, hapus duplikasi jika ada
1:09
baris hubungan yang sama persis berulang
1:11
pada waktu yang sama. Hapus duplikasi
1:14
tersebut agar tidak meracukan
1:15
perhitungan sistem. Baik, untuk ee tahap
1:22
kita akan melakukan impor ee dataset-nya
1:27
ini. Nah, di sini saya memiliki source
1:30
dan target. Seperatornya itu koma impor
1:33
sebagai table. Caset-nya UTV -8. Next.
1:38
Finish. Graph type-nya itu di sini saya
1:40
eh ini di directed. Oke.
1:44
Nah, ini untuk gambar yang pertama.
1:47
Baik. Eh, lalu di sini saya akan masuk
1:49
ke tahap ketiga yaitu komputasi matetrik
1:53
statistik. Yang pertama itu average
1:56
degree. Itu cara menjalankannya. Yang
1:58
pertama bagian statistik.
2:03
di sini statistik. Lalu di sini saya
2:15
Lalu yang kedua itu grab deniet
2:20
direct. Oke, hasilnya 0,432.
2:24
Selanjutnya yaitu network diameter.
2:27
Settingannya ini default
2:30
hasilnya itu diameternya 4, radiusnya 0.
2:34
Lalu keenor centrality
2:38
bawaan seperti ini. Nah, hasilnya 6,74
2:42
jika di ee persenkan yaitu 0,06.
2:48
Lalu yang terakhir itu peg rank
2:59
Nah, dari hasil tersebut di sini saya
3:01
akan sedikit menjelaskan yaitu dari
3:04
hasil average degree tadi 26,32 itu
3:07
tergolong tinggi karena aktor rata-rata
3:10
cukup sering berinteraksi. Untuk grab
3:13
density 0,432 itu jauh di atas kategori
3:17
sedang karena sedang itu 0,10 hingga
3:19
0,30. Jaringan ini tergolong padat tidak
3:22
seperti jaringan sosial besar yang
3:24
biasanya sangat renggang. Lalu untuk
3:26
network diameter 4 dan average pedank
3:29
tadi itu 1,63 artinya sangat kecil.
3:33
Informasi menyebar sangat cepat. Ee lalu
3:36
untuk modularity itu hasilnya 0,67.
3:41
artinya kurang dari 30
3:45
artinya itu kurang dari 0,30
3:47
ee yang berarti struktur komunitas itu
3:49
lemah, jaringan cenderung menyatu jadi
3:51
satu kesatan besar bukan terpisah ke
3:54
kelompok-kelompok jelas wajar terjadi
3:56
karena density-nya tadi tinggi. Untuk
3:59
vektor max-nya itu 0,2294
4:07
Karena aktor ini terhubung dengan
4:08
aktor-aktor penting lain, bukan sekedar
4:10
banyak koneksi. Untuk yang terakhir itu
4:13
PX rank tadi max-nya itu 0,06 pada Note
4:19
Aktor ini punya posisi paling strategis
4:21
karena banyak dirujuk oleh aktor-aktor
4:23
penting lainnya. Baik, untuk tahap
4:26
selanjutnya yaitu tahap keempat,
4:27
visualisasi graf. Di sini kita buka
4:30
bagian eh layout lalu ke panel layout.
4:33
Layout panel layout kita pilih force
4:36
Atlas 2. Lalu kita running.
4:39
Kita tunggu sampai stabil. Jika ini
4:43
sudah stabil lalu klik stop.
4:47
Jika diras sudah stabil project kita
4:49
boleh berubah. Kita klik stop saja.
4:56
Lalu untuk warna komunitas yaitu buka
5:01
apence note partition lalu pilih
5:25
lalu kita apply. Nah, di sini sudah
5:28
terbagi menjadi tiga warna. Selanjutnya
5:31
untuk ukuran note yaitu klik icon size
5:33
bagian ranking. Kita pilih atributnya
5:36
itu factor centrality. Untuk minimal
5:42
Untuk maksimalnya yaitu 60. Jika sudah
5:48
Oke, sekarang kita buka bagian tab
5:50
preview untuk eh melihat gambarnya lebih
5:53
detail. So, label kita refresh. Nah, ini
5:59
Oke, jika sudah kita akan masuk ke tahap
6:01
kelima yaitu analisis struktur jaringan.
6:08
Nah, di sini saya akan mengurutkan ee
6:11
aktor sentral top 5 berdasarkan degree.
6:19
Nah, yang pertama itu 270449528.
6:28
Ketiga yaitu 40981798.
6:35
Top yang kelima yaitu 43003845.
6:40
Eh untuk aktor yang paling populer deg
6:42
tertinggi yaitu Note 27049528
6:47
dengan 92 koneksi. Namun nilai
6:53
namun nilai betweeness agen factor dan
6:56
backrank-nya justru lebih rendah
6:57
dibanding not 40981798.
7:02
Untuk bitwinness tertinggi di table ini
7:06
nih yaitu note 40981798.
7:13
Eh, ini paling sering menjadi jalur
7:16
penghubung antar aktor lain. Untuk aeg
7:19
faktor tertinggi yaitu agen factor
7:27
9 eh 8 karena terhubung dengan
7:31
aktor-aktor penting bukan sekedar banyak
7:39
itu bukan ee kesimpulannya bukan aktor
7:42
yang sama persis. Note 2 704 ini tadi
7:51
28 unggul di popularitas mentah atau
7:55
degree. Sedangkan Note 40981798
8:03
itu justru yang paling berpengaruh
8:06
Nah, baik. Untuk yang kedua itu di sini
8:14
Giant komponen itu bagian eh filter
8:27
Klik. Nah, hasilnya seluruh 62 not 100%
8:32
berada dalam satu giant komponen. Tidak
8:36
ada komponen kecil, terpisah maupun not
8:38
terisolasi. Ketiga yaitu degree rank itu
8:42
topologi degree rank. Degre rank dihapus
8:51
Oke. Untuk dig rank itu ambang dicoba
9:00
Nah, hasilnya hampir seluruh note tetap
9:02
bertahan karena over degree keseluruhan
9:05
sudah 26,32 menegaskan jaringan ini
9:08
padat. Bukan jaringan dengan segelintir
9:11
not dominan dan mayoritas not periferal
9:14
berdegri rendah. Lalu yang keempat kita
9:18
analisis komunitas bagian filter atribut
9:28
partis hapus dulu yang ini
9:31
eh analisis komunitas modularity class.
9:37
Nah, kita jalankan nih.
9:41
Nah, ada 1 2 3. Nah, hasilnya tiga
9:45
komunitas terdeteksi modularity,7
9:50
karena nilai modularity rendah. batas
9:52
antar komunitas tidak tegas. Banyak ads
9:55
lintas komunitas dibanding ads di dalam
9:57
komunitas itu sendiri. Lalu yang kelima
10:00
itu ego network bagian filter topologi.
10:11
Nah, untuk note ID saya
10:16
nih untuk note ID saya menggunakan
10:23
sebagai pusat karena koneksi terluas ke
10:28
aktor-aktor penting lain sehingga ego
10:30
network-nya mencakup sebagian besar
10:32
aktor berpengaruh di jaringan.
10:36
Ee untuk sebelum versus sesudah filter
10:39
yaitu tadi yang untuk graf awal itu 22
10:48
Dan graf setelah salah satu filter di
10:51
eh itu terjadi sedikit perubahan setelah
10:55
kita lakukan filter berupa giant
10:57
komponen dan degree lebih dari 10 itu
10:59
terdapat notes yang berkurang gitu tapi
11:01
tidak terlalu berpengaruh.
11:04
Baik, untuk tahap yang keenam itu
11:11
Untuk matrik total notes itu hasilnya
11:14
62. Untuk matrik total address itu
11:20
Untuk matrik average degree itu nilai
11:25
Untuk matrik graf density nilai hasil
11:31
Untuk matrik network diameter nilai
11:33
hasilnya 4. Untuk matrik modularity
11:38
Untuk matrik agen ve factor nilai
11:47
Untuk matrik pack rank itu nilai
11:57
Baik, ee untuk kesimpulannya mungkin di
12:01
sini saya akan sedikit menjelaskan lagi
12:03
yaitu untuk karakteristik jaringan eh
12:07
ini tergolong padat density,32
12:10
jauh di atas jaringan sosial pada
12:12
umumnya. Berarti penyebaran informasi
12:15
sangat cepat. Diameter hanya 4 pad
12:18
diameter hanya 4 pad-nya 1,63. Dan
12:22
struktur komunitasnya itu lemah karena
12:27
Jaringan cenderung menyatu bukan
12:29
terpisah tegas ketiga komunitasnya. Lalu
12:33
untuk aktor populer tadi itu Note
12:39
degrnya 92. Lalu brokernya tadi Note
12:45
Eh, lalu yang vektornya tadi 0,2294
12:53
Untuk pack ranking tadi 43003845
13:07
ini konsisten dominan di berbagai matrik
13:10
struktural berbeda dari dua berbeda dari
13:17
yang hanya unggul di jumlah koneksi
13:19
mentah untuk bentuk graf untuk bentuk
13:22
graf itu mes cenderung hybrid. Jadi
13:26
density tinggi menghasilkan banyak
13:29
saling silang. Namun tetap ada beberapa
13:31
not berukuran jauh lebih besar dengan
13:33
vektor tinggi yang membedakan dari mes
13:36
acak murni. Untuk tingkat sentralisasi
13:40
mode rateli centralized ada aktor
13:43
dominan namun distribusi degree di not
13:45
lain juga cukup merata. Jadi bukan pola
13:48
star yang ekstrem untuk antar komunitas
13:52
ee yaitu saling terhubung erat bukan
13:54
terpisah karena modularity rendah.
13:57
Notebook terkonsentrasi pada 40981798,
14:16
untuk not bridge tadi 40981798
14:24
itu bitweness tinggi untuk notde out
14:27
layer tidak ada. Seluruh note ada dalam
14:29
satu giant componen 100%.
14:32
Baiklah, mungkin itu saja ee praktikum
14:36
analisis dijaring sosial saya
14:38
menggunakan GEPI. Ee saya akhiri
14:40
wasalamualaikum warahmatullahi
