Senin, 23 Oktober 2023

"Netlytic" Social Network Analysis

cr: pinterest

Hallo hallo hallo, temen-temen! Udah balik lagi nih aku HEHEHEHE *ngejar deadline* semoga kabar temen-temen baik semua ya! Semoga temen-temen harinya seneng terus! Nah, karena minggu ini ada pembahasan baru, akum au bahas sekarang aja nih!

Tadi, barusan, hari ini, aku buat sesuatu yang CUANTIKKK BANGETTT warna warni kaya ayam ayaman SD HEHEHEHE. Pasti ketebak dari judulnya.

Karena kita udah pelajarin software Gephi untuk analisis jaringan, sekarang ada lagi yang namanya Netlytic. Dari Netlytic ini, kita bisa analisis jaringan online seperti di YouTube atau Twitter (X). Dosen SNA aku bilang, kalau mau pakai jaringan yang ada di YouTube, kita harus pakai video yang memiliki minimal 1000 komen untuk bisa menganalisis. Tetapi, kalua Twitter (X)… ngga tau masih bisa dipakai datanya atau ngga… aku belum nyoba juga sih HEHEHE

Nah, kali ini aku ingin menampilkan hasil jaringan yang aku buat dari Netlytic dengan menggunakan YouTube. Aku pilih video dari Muse Indonesia (Mushoku Tensei eps 9)


bagian previewnya


bagian cluster 1 (versi biasa dan zoom)


cluster 2 (versi biasa dan zoom)


cluster 3 (versi biasa dan zoom)


cluster 4 (versi biasa dan zoom)


cluster 5 (versi biasa dan zoom)


other cluster


cluster gabungan semuanya


cluster gabungan versi zoom


Itu dia jaringan yang aku buat melalui Netlytic, bagus banget ya waran warni! Kalau mau buat juga, gampang banget kok caranya, tinggal ketik di Google kamu (netlytic . org) jangan pake spasi ya! Habis itu login dengan akun Google kamu, nanti ada petunjuk lainnya ikutin aja ya!

Segitu dulu ya untuk minggu ini, terima kasih banyak udah mampir ke sini!



''Software Gephi" Social Network Analysis

 

cr: pinterest


Hallo, temen-temen! Balik lagi di blog aku yeayyyy! Gimana kabarnya? Semoga baik terus dan sehat selalu yaaa.Oh iya, sebelumnya aku minta maaf karena telat update pembahasan terbaru ya huhuhu. Nah, kali ini aku mau kasih tau kalian tentang salah satu software yang kemarin kita bahas untuk membuat jaringan!

 

Tebak hayooo yang mana softwarenya~ (udah ketauan dari judul padahal tapi gpp)

Yappp, betul banget nih, kita akan bahas software SNA "Gephi". Pasti temen-temen penasaran kenapa aku pakenya software "Gephi" kan? Karena Bu Dosen mata kuliah SNA itu merekomendasikan Gephi ini hehehe.

 

Tenang aja, ngga sulit kok pake Gephi! Nanti aku kasih tutorialnya ya! Sekarang aku mau kasih tau dulu hasil olahan Gephi punya aku, nih!


Yang pertama ini ada jaringan Degree Centrality


Lalu, selanjutnya ada Betweness Centrality


Lalu, ada Closeness Centrality



Yang terakhir, ada Eigenvector Centrality





Untuk langkah-langkahnya,

 

1. Tentunya harus sudah install software Gephi di PC atau Laptop kalian.

2. Buka File, click open, lalu pilih file matrix dengan format csv, klik open lagi, klik next dan finish

3. Lihat ke sebelah kiri bawah, klik choose layout dan pilih Frutcherman Reingold, setelah itu klik run

4. Klik gambar T (yang warna hitam tebal) yang dibagian bawah jaringan agar terlihat nama namanya

5. Setelah itu ke bagian kanan atas yang ada tulisan statistik lalu ke network overview, klik run di average degree lalu close

6. Lalu ke kiri atas yang ada logo color, klik partition (kalian bisa pilih degree/ betweness/ closeness/ eigenvector) sesuai yang kalian butuhkan lalu apply

7. Klik logo color lagi, klik ranking lalu choose degree/ betweness/ closeness/ eigenvector (tidak perlu di apply karena nanti warnanya berubah menjadi hijau semua)

8. Klik logo size lalu ke ranking dan choose degree/ betweness/closeness/eigenvector lalu apply

9. Klik logo label size lalu kr ranking, choose degree/betweness/closeness/eigenvector lalu apply

10. Balik lagi ke area kanan (statistik) run semua yang bisa di run

11. Setelah itu ke taskbar yang bagian atas, klik preview lalu ke node labels, ceklis yang bagian show label lalu di refresh

12. Ke data laboratory, klik logo lampu yang ada di pojok kanan atas, ceklis bagian yang dibutuhkan (degree/betweness/closeness/eigenvector) contoh (pilih id dan degree jika memilih degree)

 

Nah itu dia langkah-langkahnya! Semoga mudah dipahami ya! Kalo ada yang keliru atau terlewat langlah-langkahnya mohon maaf, nanti aku koreksi lagi. Terima kasih banyak!






Minggu, 15 Oktober 2023

Konsep Dasar SNA

 

cr: pinterest


Halo, temen-temen! Balik lagi sama aku di minggu ke-3. Oh iya, aku minta maaf karena updatenya di ujung minggu ya ╥╥ akhir akhir ini lumayan numpuk tugasnya... Maklum semester 5. Kalo kata anak twitter, sih ‘‘Tuhan dan alam semesta bersama mahasiswa semester 5’’ HAHAHAHAHA.

Oke baik, kembali ke laptop. Jadi di sini aku tentunya masih membahas topik tentang Social Network Analysis (SNA) ya temen-temen! Semoga pembahasan di minggu kemarin ngga lupa ya XD.

Kali ini, yang akan kita bahas adalah ‘‘Konsep Dasar Metode SNA dan Pengenalan Software SNA’’. Kita mulai dari ‘‘Konsep Dasar Jaringan’’

Kalian tau ngga sih kalo jejaring sosial mempunyai dua elemen dasar dan satu opsional? Kalo temen-temen belum tau, biar aku jelasin ya!

- Yang pertama, ada satu set node (titik/simpul) yang merupakan objek di dalam jaringan

- Yang kedua, ada satu set atau dua set hubungan yang merupakan relasi, koneksi, edge, arc, -ties yang bisa diarahkan ataupun tidak.

- Yang ketiga, ada opsional, yang merupakan sekumpulan atribut bertujuan untuk membeti informasi tambahan yan kita miliki tentang ‘‘node’’

Mungkin diantara temen-temen masih ada yang masih bingung bagaimana caranya mempresentasikan berbagai jaringan sosial.

Jadi, kita dapat mempresentasikannya dari Matriks untuk membuat grafik (atau dikenal sebagai diagram jaringan, sosiogram). Dalam ruang lingkup SNA dipetakan seluruhnya dalam koneksi.

 

Selanjutnya ada penjelasan tentang Ego Network nih, temen-temen! Bagi temen-temen yang belum tau, Ego Network akan berpusat pada node tertentu. Untuk selengkapnya coba perhatikan gambar di bawah ini ya!

Lalu, temen-temen tau ngga bagaimana cara mengidentifikasi kuat atau lemahnya ikatan? Kalo belum tau, mari kita bahas!

Sebuah ikatan menggambarkan suatu interaksi, aliran informasi, ataupun barang, dll.

Besaran dari sebuah ikatan (ntah itu tebal atau tipisnya) dapat mengindikasikan kekuatan dari interaksi atau frekuensinya.

pas banget nih aku udah buatin grafik dan tabelnya!

 

Temen-temen pasti bingung ya gimana caranya mengidentifikasi actor utama dalam jaringan? Nah kita bisa menggunakan ‘‘Pengukuran Centrality - Level Actor’’

- Menurut V Latora dan M Marchiori (2007) Degree Centrality: untuk mengukur sentralitas dalam suatu jaringan yang fokus terhadap seberapa banyak suatu node berikatan (terhubung) dengan node lainnya.

- Betweenness Centrality: untuk mengukur sentralitas pada suatu jaringan yang berfokus terhadap seberapa banyak suatu node menghubungkan (menjembatani) antara node yang satu ke node lainnya.

- Closeness Centrality adalah: untuk mengukur centrality dalam suatu jaringan sosial yang fokus terhadap seberapa dekat suatu aktor dengan semua aktor lainnya.

- Eigenvector Centrality: ukuran yang memberikan bobot yang lebih tinggi pada node yang terhubung dengan node yang juga memiliki keterhubungan tinggi. Dapat dikatakan versi rekursif dari Degree Centrality.


Nah, ini ada contoh matrik yang aku buat dari komunitas yang aku miliki, Kouga.id. Tentang jaringan event cosplay yang diadakan di Tamini Square.


Software atau program untuk mengolah data jaringan komunikasi diantaranya ada: Ucinet, Netlytic, NodeXL dan Gephi.

Nah, segini dulu ya pembahasan minggu ini! semoga dapat  dimengerti ya, sampai ketemu minggu depan!



Rabu, 04 Oktober 2023

Representasi Jejaring Sosial Dalam Bentuk Graf

 

cr: pinterest

Hallo, temen-temen semua! Gimana harinya nih? Semoga baik terus ya dan diberi kesehatan untuk menjalani hari-hari Kalian! Oh iya, ada pembahasan menarik yang masih bersangkut paut sama topik kemarin pastinya hehehe.

Kali ini kita akan membahas tentang ‘‘Representasi Jejaring Sosial Dalam Bentuk Graf’’ tapi sebelum kita mulai, temen-temen tau ngga apa itu Bentuk Graf? Graf itu adalah pola ataupun gambar yang menjadi penghubung antara titik lainnya dengan garis. Biasanya graf ini diterapkan dalam bidang kimia, bidang biologi, juga bidang teknologi GPS.

Sekarang kita masuk ke topik utamanya ya! Representasi Jejaring Sosial Dalam Bentuk Graf. Graf ini dibuat dari hari-hari yang aku lewati loh! Semoga dapat dimengerti ya. Yang pertama ada,

1. Directed dan Undirected

Directed merupakan relasi yang memiliki pengirim dan penerima pesan yang ditandai dengan adanya garis dengan tanda panah.

UnDirected merupakan graf yang memiliki relasi tetapi tidak terarah.

Yang kedua,

2. Weighted (Valued) dan Unvalued

Weighted (Valued) merupakan relasi yang menyertakan nilai intensitas.

Unvalued merupakan kebalikan dari Valued yaitu relasi yang tidak menyertakan nilai intensitas.

Yang ketiga,

3. One Mode dan Two Mode

One mode merupakan jaringan dimana aktor memiliki tipe yang sama. Seperti, orang-orang yang memiliki organisasi yang sama atau lembaga yang sama.

Two mode merupakan kebalikan dari one mode, yaitu jaringan dimana aktor memiliki tipe yang berbeda.


Yang keempat,

4. Simetris dan Asimetris

Simetris merupakan hubungan yang terjadi bersifat dua arah.

Asimetris merupakan hubungan yang terjadi bersifat satu arah. Terjadi apabila dua aktor sama-sama terlibat dalam sebuah relasi, dan mempunyai peran yang sama dengan relasi tersebut jika salah satu aktor dihilangkan maka tidak akan terjadi relasi.


Nah, jadi segitu dulu ya pembahasan kita minggu ini! Semoga jelas dan dapat dimengerti temen-temen semua, ya! Mohon maaf jika masih banyak kekurangan dalam penjelasan yang diberikan tadi. Terima kasih banyak udah mampir! ^.^

Minggu, 01 Oktober 2023

Social Network Analysis

 

cr: pinterest

Hallo, temen-temen! Gimana kabarnya? Semoga baik dan sehat selalu ya. Kali ini aku mau kasih tau sesuatu nih. Kira-kira kalian udah pada tau belum aku mau bahas apa? Harusnya udah ketauan dari judul blog ini yaaa :p

Kita, manusia sebagai makhluk sosial membutuhkan manusia lain untuk menjalani kehidupan. menjalin, menghubungkan dan membangun sebuah hubungan, membuat suatu jaringan. Semua itu dapat terjadi karena berkomunikasi dan berinteraksi dengan yang lainnya.

Kali ini kita akan membahas hubungan tersebut yang diketahui sebagai Social Network Analysis atau yang biasa disebut dengan SNA. Apa itu Social Network Analysis? ini merupakan sebuah hubungan komunikasi atau jaringan komunikasi antar aktor atau relasi manusia.

Tapi, kalian tau ngga sih apa itu jaringan? Jaringan itu merupakan kumpulan dari titik yan terhubung dengan garis. Dalam SNA, titik adalah (nodes) yang merupakan Actor, misalnya seseorang atau organisasi dan garis adalah (edge) menghubungkan antar nodes.

Fenomena penyebaran informasi ada 2 Jenis, Yang pertama ada First Media Age yaitu, Terpusat (few speak to many), komunikasi satu arah, mempengaruhi keadaan, cenderung dikontrol negara. Lalu yang kedua ada Second Media Age yaitu, kebalikan dari First Media Age, tidak terpusat, komunikasi dua arah, menghindari kontrol negara, khalayak lebih individualis

cr: pinterest

Social Network bisa berupa pertemanan, percintaan, kekuasaan dan juga penyakit. Kenapa bisa seperti itu? karena itu semua terjadi karena suatu hubungan di dalamnya.

Kalau masih bingung, aku kasih beberapa contoh ya. Misalnya, kalian ada di Sekolah atau Kampus, lalu kalian mendengarkan atau berdiskusi dengan Dosen atau Guru tentang pelajaran atau mata kuliah yang sedang berlangsung. Nah, itu merupakan SNA.

Masih banyak lagi contohnya, misalnya dalam pergibahan yang suka terjadi di circle kalian atau kalian ngobrol dari orang satu ke orang lain. Itu juga SNA loh!

Satu contoh lagi deh, kalian tau Twitter kan? Yang sekarang berubah jadi “X”. Nah, twitter itu punya yang namanya "Trending" di sana kita bisa lihat berapa banyak SNA yang terjadi dari beberapa trending tersebut. ada ribuan orang dalam satu trending jaringan di sana. Gosip yang disebarkan Lambe Turah di Instagram juga termasuk SNA, loh! Kalau kalian lihat postingan dan komentarnya, di situ sudah terjadi SNA.

cr: twitter/X

Social Network Analysis memiliki beberapa berbedaan dengan penelitian lainnya. 

Prinsip yang pertama, Relations not attributes

a. Data Agrerat (estimasi nilai rata-rata, populasi, dll) → Survey (menduga suara populasi dengan sampel)

b. Data Individual masing-masing Aktor → Jaringan Komunikasi (memetakan relasi dari semua aktor yang diteliti) 

Prinsip yang kedua, Network not group. Aktor memiliki jaringan tetapi bukan kelompok ataupun organisasi. Aktor tersebut bisa menjadi kelompok atau organisasi, namun aktor tersebut memiliki jaringan yang lebih luas dari itu. 

Prinsip yang ketiga, Relations in a rational context. merupakan prinsip yang harus memiliki relasi antar aktor, dalam penelitian jaringan harus dipahami dalam konteks relasi tertentu.

Lalu, ini adalah Social Network Analysis milik saya dalam seminggu terakhir.









Jadi, segitu dulu ya pembahasan tentang SNA kali ini, semoga bermanfaat dan dapat dimengerti oleh temen-temen semua! Kalau ada yang kurang dipahami mohon maaf, ya! Sampai ketemu minggu depan dengan pembahasan menarik tentang SNA lainnya!


"Netlytic" Social Network Analysis

cr: pinterest Hallo hallo hallo, temen-temen! Udah balik lagi nih aku HEHEHEHE *ngejar deadline* semoga kabar temen-temen baik semua ya! Sem...